<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:wfw="http://wellformedweb.org/CommentAPI/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:sy="http://purl.org/rss/1.0/modules/syndication/" xmlns:slash="http://purl.org/rss/1.0/modules/slash/">
  <channel>
    <language>ru</language>
    <title>Новости</title>
    <description>Главные новости по программированию и разработке каждый день. Узнайте, что происходит в IT сегодня и подпишитесь на обновления.</description>
    <link>https://tproger.ru/news</link>
    <atom:link href="https://tproger.ru/news/feed" rel="self" type="application/rss+xml"/>
    <lastBuildDate>Sat, 21 Nov 2026 05:14:44 GMT</lastBuildDate>
    <sy:updatePeriod>hourly</sy:updatePeriod>
    <sy:updateFrequency>12</sy:updateFrequency>
    <image>
      <title>Новости</title>
      <link>https://tproger.ru</link>
      <url>https://tproger.ru/apple-touch-icon.png</url>
    </image>
    <item>
      <title>Inkling 2 Mini от Thinking Machines запускается на Mac с 32 ГБ памяти</title>
      <link>https://tproger.ru/news/inkling-2-mini-ot-thinking-machines-zapuskaetsya-na-mac-s-32-gb-p</link>
      <comments>https://tproger.ru/news/inkling-2-mini-ot-thinking-machines-zapuskaetsya-na-mac-s-32-gb-p?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/inkling-2-mini-ot-thinking-machines-zapuskaetsya-na-mac-s-32-gb-p</guid>
      <description><![CDATA[<p>Thinking Machines выпустила Inkling 2 Mini под Apache 2.0: MoE на 26 млрд параметров с зацикленными слоями, 20 баллов в индексе Artificial Analysis, как у Qwen3.8 27B.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/inkling-2-mini-ot-thinking-machines-zapuskaetsya-na-mac-s-32-gb-p">Inkling 2 Mini от Thinking Machines запускается на Mac с 32 ГБ памяти</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Apple]]></category>
      <category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Fri, 20 Nov 2026 18:20:32 GMT</pubDate>
      <content:encoded><![CDATA[<p>Thinking Machines Lab, лаборатория бывшего технического директора OpenAI Миры Мурати, 20 ноября <a href="https://thinkingmachines.ai/news/inkling-2-mini/">выпустила</a> Inkling 2 Mini, небольшую модель с открытыми весами под Apache 2.0. Чекпоинт весит около 20 ГБ, и компания официально поддерживает запуск на Mac с Apple silicon от 32 ГБ памяти и на настольном NVIDIA DGX Spark.</p><p>Для разработчика это ещё одна локальная модель для кода и агентов, которую можно ставить в коммерческий продукт без отдельной лицензии. По <a href="https://artificialanalysis.ai/models/inkling-2-mini">замерам Artificial Analysis</a> она набирает 20 баллов в индексе интеллекта, столько же, сколько плотная Qwen3.8 27B, хотя на токен у Inkling 2 Mini работает в несколько раз меньше параметров. Главное отличие в архитектуре: часть слоёв модель прогоняет по кругу трижды, и это первая зацикленная модель, которую выпустила лаборатория.</p><ul><li>Inkling 2 Mini: MoE на 26,4 млрд параметров, 3,4 млрд активных; средние 12 слоёв из 24 работают трижды, с учётом этого на токен приходится 5,4 млрд «эффективных» активных параметров.</li><li>Веса около 20 ГБ в смешанной точности NVFP4 и MXFP8, в которой модель и обучали; поддержка Mac от 32 ГБ, DGX Spark, GPU от 32 ГБ видеопамяти.</li><li>Artificial Analysis: 20 баллов в индексе, как у Qwen3.8 27B; средняя задача индекса через API Thinking Machines стоит $0,59 и по расчёту занимает 9 минут против $3,53 и 38,2 минуты у Qwen.</li><li>Лицензия Apache 2.0, вход текст и картинки, контекст до 1 млн токенов.</li><li>Компания предупреждает: при отладке кода модель может застревать в циклах рассуждений, а в агентах удалять файлы без подтверждения.</li></ul><h2>Как устроена зацикленная модель?</h2><p>Inkling 2 Mini — декодер из 24 слоёв с разреженными MoE-слоями: на каждом слое токен уходит в 8 из 128 экспертов. Слои разбиты на четыре блока по шесть. Первый и последний блок работают один раз, а два средних, то есть слои с 7-го по 18-й, модель прогоняет трижды подряд с одними и теми же весами. Получается 48 применений слоёв на токен при 24 хранимых, <a href="https://huggingface.co/thinkingmachines/Inkling-2-Mini">пишет компания в карточке модели</a>.</p><p>Отсюда и разница в цифрах. Активных параметров на токен 3,4 млрд, но каждый дополнительный проход по зацикленным слоям добавляет около 1 млрд «эффективных» активных параметров, так что с тремя проходами выходит 5,4 млрд. Artificial Analysis в своём <a href="https://x.com/ArtificialAnlys/status/2123877871316087012">разборе</a> называет те же 26 млрд всего и 5,4 млрд активных, а уникальных весов на текстовый токен насчитывает 3,1 млрд.</p><p>Идея в том, что средние слои модели отвечают за более абстрактные рассуждения, а первые и последние в основном переводят между эмбеддингами и внутренним представлением. В экспериментах Thinking Machines зацикливание средних 12 слоёв дало больший прирост точности, чем зацикливание последних 12, на 27 из 28 оценок. Каждый проход начинается с выхода первого блока, а второй и третий проходы дополнительно читают результат предыдущего прохода через обучаемый гейт. В начале обучения гейт полностью закрыт и модель ведёт себя как обычная, а потом постепенно учится пользоваться «сообщением» от прошлого прохода.</p><p>Зачем это нужно, компания объясняет так: модель может больше «думать» на каждом токене и доходить до ответа за меньшее число токенов рассуждений, особенно в задачах вроде агентного кода. На своей шкале моделей лаборатория сравнила зацикленную и обычную версии без прунинга: обычную обучать на 7,5% дешевле, но, чтобы догнать зацикленную по loss на агентных трассах длиной 512 тыс. токенов, ей нужно на 140% больше вычислений при инференсе.</p><p>Цена такого приёма тоже названа: знаний в весах от повторных проходов не прибавляется. По словам компании, объём фактов определяется в основном общим числом параметров, и на бенчмарках знаний вроде SimpleQA Verified и AA-Omniscience дополнительные проходы почти ничего не дают. Компенсировать это Thinking Machines предлагает поиском и инструментами.</p><h2>Сколько памяти нужно и как запустить?</h2><p>Модель выложена одним чекпоинтом на 19,5 ГБ: 20 слоёв в 4-битном NVFP4 и последние 4 в 8-битном MXFP8. Экспертные слои работали в NVFP4 на всех прямых проходах, от предобучения до RL, и веса выложены в той же точности, в которой модель обучали, поэтому потерь на конвертации нет. Отдельно лежит файл драфт-модели для спекулятивного декодирования на 0,64 ГБ.</p><p>По карточке модели поддерживаются:</p><ul><li>один NVIDIA DGX Spark;</li><li>Mac с Apple silicon от 32 ГБ памяти (MacBook, Mac mini, Mac Studio);</li><li>другие GPU и платформы, рекомендуется от 32 ГБ видеопамяти.</li></ul><p>Из движков заявлены Transformers, SGLang, vLLM, TokenSpeed, NVIDIA Dynamo, llama.cpp и Unsloth с квантованными GGUF, на Mac — Ollama и Exo Labs. Готовые GGUF уже есть у <a href="https://huggingface.co/ggml-org/Inkling-2-Mini-GGUF">ggml-org</a> (IQ4_NL на 17,6 ГБ и Q8_0 на 27,8 ГБ) и у <a href="https://huggingface.co/unsloth/Inkling-2-Mini-GGUF">Unsloth</a>, где размеры начинаются от 7,8 ГБ у самых агрессивных 1-битных квантов и доходят до 22,9 ГБ у Q8_K_XL; распространённый Q4_K_M весит 16,6 ГБ. Страницу модели в библиотеке Ollama на момент публикации мы не нашли.</p><p>В <a href="https://huggingface.co/blog/inkling2mini">разборе на Hugging Face</a> показана команда для llama.cpp, которая скачивает 4-битный квант и поднимает локальный сервер:</p><p>Для 8-битной версии суффикс меняют на :Q8_0. На Mac модель работает и в MLX, причём с оригинальным чекпоинтом, без переконвертации; поддержка картинок там тоже есть. Базовый вызов выглядит так:</p><p>Уровень рассуждений задаётся параметром reasoning_effort: от none до max, по умолчанию high. В карточке оговорено, что на минимальном уровне рассуждения полностью не отключаются, а скорость в локальных движках пока заметно зависит от движка и железа: поддержка зацикленных моделей там новая.</p><p>Для демонстрации сотрудники компании запустили модель офлайн на MacBook Pro с M5 Pro и 48 ГБ памяти в самолёте и за несколько минут собрали с ней играбельный авиасимулятор. Во втором демо одна копия модели на офлайн-MacBook управляет 20 жителями пиксельного городка.</p><h2>Что показали замеры Artificial Analysis?</h2><p>В индексе Artificial Analysis Intelligence Index v5.0.1, который собирает девять оценок от Terminal-Bench 4.0 до HLE-Diamond, у Inkling 2 Mini 20 баллов. Столько же у Qwen3.8 27B в режиме xhigh и у Nanbeige4.3-33B, у которых активных параметров примерно в 5 и 6 раз больше. На графике «индекс против активных параметров» модель стоит на Парето-фронтире: при её числе активных параметров никто не набирает больше.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-21/37db12f3-5079-4a59-bd5a-adf6bf5ab824.webp" alt="График Artificial Analysis: индекс интеллекта против числа активных параметров, Inkling 2 Mini на Парето-фронтире" /><figcaption>Индекс интеллекта против активных параметров. Источник: Artificial Analysis</figcaption></figure><p>Модель многословна: на одну задачу индекса она тратит в среднем около 152 тыс. выходных токенов против 110 тыс. у Qwen3.8 27B, то есть примерно на 38% больше. Но за счёт малого числа активных параметров вычислений, по оценке Artificial Analysis, уходит примерно в 2,8 раза меньше, чем у Qwen. Прокси-метрика аналитиков — активные параметры, умноженные на токены.</p><p>В деньгах и времени это выглядит так. При цене Thinking Machines $0,15 за миллион входных токенов, $0,50 за миллион выходных и $0,015 за попадание в кэш средневзвешенная стоимость задачи индекса составляет $0,59, а расчётное время, которое Artificial Analysis выводит из числа выходных токенов и скорости генерации, 9 минут. У Qwen3.8 27B в режиме xhigh — $3,53 и 38,2 минуты, то есть Inkling 2 Mini примерно в 6 раз дешевле и в 4 раза быстрее на задачу. Для масштаба Artificial Analysis приводит закрытую GPT-6 Luna (max): 28 баллов за $0,15 на задачу.</p><p>Цифры самой Thinking Machines сильнее, но это замеры вендора. В таблице компании модель опережает Gemma 4 31B, Muse Glimmer, Qwen3.8-27B и Nemotron 3.5 Super VL на DeepSWE v1.1 (48,2% против 42,2% у Qwen) и SWE-bench Pro v2 Hard (77,9% против 73,8%), а на Terminal-Bench 4.0 делит первое место с Qwen с результатом 5,6%. Условия прогона у моделей в сравнении различаются, на что компания сама указывает.</p><h2>Где модель слабее?</h2><p>Thinking Machines сама перечисляет ограничения. Inkling 2 Mini — не лучшая маленькая модель для многоходового чата и инструкций с множеством условий: 50,0% на MultiChallenge и 33,4% на ComplexConstraints v1.1. В тексте анонса оба результата названы более слабыми, чем у Qwen3.8-27B, но в таблице той же страницы у Qwen на ComplexConstraints 30,1%, так что источник здесь сам себе противоречит. На тяжёлых тестах рассуждений вроде CritPt v2 и HLE-Diamond она отстаёт от крупных моделей.</p><p>В карточке модели есть и предупреждения для тех, кто подключит её к агенту:</p><ul><li>при отладке кода модель иногда застревает в длинных циклах рассуждений или бесконечно перепроверяет свою работу, поэтому компания советует ограничивать число выходных токенов и ходов агента;</li><li>с инструментами она менее надёжна, чем крупные модели, может удалять или перезаписывать файлы без подтверждения и неточно сообщать о результате;</li><li>качество вне английского может быть ниже: в тестах на китайском авторы видели обрывочные фразы и смешение языков;</li><li>она чаще крупных моделей уверенно выдаёт неверные факты.</li></ul><p>Thinking Machines рекомендует запускать агентные сценарии с Inkling 2 Mini в песочнице и требовать подтверждения перед необратимыми действиями.</p><h2>Не прячет ли зацикливание рассуждения модели?</h2><p>Это главный вопрос, который лаборатория разбирает в анонсе. Обычный трансформер проходит стек слоёв один раз на токен, поэтому длинную цепочку рассуждений ему приходится выписывать текстом, где её можно прочитать и проверить. Зацикленная модель делает больше шагов внутри, и часть рассуждений может не попасть в текст.</p><p>Чтобы это измерить, вместе с Inkling 2 Mini выложена исследовательская модель <a href="https://huggingface.co/thinkingmachines/TML-d24-varloop-research">TML-d24-varloop-research</a> с той же архитектурой, но обученная работать с переменным числом проходов, от одного до пяти. Без цепочки рассуждений её «горизонт» вырос с 16 секунд человеческой работы при одном проходе до 37 секунд при трёх, дальше почти не менялся. Рассуждения при пяти проходах более чем вдвое короче, чем при одном (1661 против 3703 токенов на вопросах GPQA Diamond, которые модель решила верно при любом числе проходов), но остаются такими же читаемыми: модель меньше ошибается и реже возвращается назад. Предварительный вывод компании: зацикливание расширяет то, что модель делает без записанных рассуждений, но на этом масштабе заметно мониторинг не ухудшает.</p><h2>Что дальше?</h2><p>Inkling 2 Mini уже доступна в облачной платформе Thinking Machines Tinker для инференса и дообучения, а для RL-дообучения заявлена поддержка SkyRL, Miles и NVIDIA AutoModel. Старшая <a href="https://tproger.ru/news/thinking-machines-pokazala-inkling-2-small-i-obeshhaet-otkryt-ves">Inkling 2 Small</a> на 594 млрд параметров, которую лаборатория показала в начале ноября, требует от 500 ГБ видеопамяти и для локального запуска не подходит; веса той модели <a href="https://tproger.ru/news/sem-novinok-popali-v-top-hugging-face-pyat-zapuskayutsya-na-svoyo">выложили 12 ноября</a>. Скорость локального запуска компания не обещает: в карточке сказано, что поддержка зацикленных моделей в локальных движках новая и скорость зависит от движка и железа.</p><p>Источники: <a href="https://thinkingmachines.ai/news/inkling-2-mini/">Thinking Machines: Introducing Inkling 2 Mini, 20 ноября 2026</a>, <a href="https://huggingface.co/thinkingmachines/Inkling-2-Mini">Карточка модели Inkling 2 Mini на Hugging Face</a>, <a href="https://artificialanalysis.ai/models/inkling-2-mini">Artificial Analysis: Inkling 2 Mini</a>, <a href="https://x.com/ArtificialAnlys/status/2123877871316087012">Artificial Analysis в X, 20 ноября 2026</a>, <a href="https://huggingface.co/blog/inkling2mini">Hugging Face: Welcome Inkling 2 Mini</a>, <a href="https://huggingface.co/thinkingmachines/TML-d24-varloop-research">TML-d24-varloop-research на Hugging Face</a></p><p>Изображение на обложке: Thinking Machines Lab, кадр из демо-видео</p>]]></content:encoded>
    </item>
    <item>
      <title>Правка истории диалога сбросит рассуждения GPT-6.2 в API OpenAI</title>
      <link>https://tproger.ru/news/pravka-istorii-dialoga-sbrosit-rassuzhdeniya-gpt-6-2-v-api-openai</link>
      <comments>https://tproger.ru/news/pravka-istorii-dialoga-sbrosit-rassuzhdeniya-gpt-6-2-v-api-openai?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/pravka-istorii-dialoga-sbrosit-rassuzhdeniya-gpt-6-2-v-api-openai</guid>
      <description><![CDATA[<p>OpenAI защищает скрытые рассуждения GPT-6.2 от дистилляции: доля успешных атак упала с 54% до 0,2%, а API отбрасывает рассуждения после правки истории.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/pravka-istorii-dialoga-sbrosit-rassuzhdeniya-gpt-6-2-v-api-openai">Правка истории диалога сбросит рассуждения GPT-6.2 в API OpenAI</a>»</p>]]></description>
      <category><![CDATA[API]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[Информационная безопасность]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Fri, 20 Nov 2026 17:11:46 GMT</pubDate>
      <content:encoded><![CDATA[<p>OpenAI 20 ноября <a href="https://openai.com/index/combatting-adversarial-distillation/">рассказала</a>, как защищает свои модели от «враждебной» дистилляции, когда чужую модель учат на ответах и скрытых рассуждениях GPT. Для разработчика из этого текста важнее всего одна деталь: у GPT-6.2 Astra и GPT-6.2 Sol скрытые рассуждения теперь привязаны к истории диалога, и если переписать раннее сообщение, API отбросит рассуждения, которые шли после него.</p><p>Это касается всех, кто строит агентов и многошаговые сценарии на Responses API. Интеграция, которая сокращает старые выводы инструментов, подменяет системную инструкцию или сжимает историю своим способом, теряет часть рассуждений. По <a href="https://developers.openai.com/api/docs/guides/keep-prefix-unchanged">документации OpenAI</a>, модели может понадобиться повторить их, а это больше токенов, выше цена и задержка, а иногда и хуже ответ. Второе изменение: модели старых семейств со слабой защитой больше не могут читать рассуждения GPT-6.2.</p><ul><li>В GPT-6.2 Astra и Sol скрытые рассуждения привязаны к истории диалога: при правке раннего сообщения API отбрасывает рассуждения после него.</li><li>По внутреннему замеру OpenAI доля успешных атак на извлечение рассуждений из более раннего запроса упала с 54,0% у GPT-6 Astra до 0,2% у GPT-6.2 Astra, из текущего запроса — с 22,9% до 0,9%.</li><li>Еженедельно OpenAI применяет меры за дистилляцию к тысячам или десяткам тысяч аккаунтов, летом 2026 года темп заметно вырос.</li><li>Ученик, обученный на точных рассуждениях, после дообучения в целом сильнее ученика на кратких пересказах рассуждений в кибербенчмарках, но после RL преимущество осталось только при самом большом бюджете вывода.</li></ul><h2>Что изменилось в API для GPT-6.2?</h2><p>Рассуждения модели теперь живут только в той истории, которая их породила. Пока вы дописываете новые сообщения в конец, модель опирается на свои прежние рассуждения. Стоит изменить что-то раньше по ходу диалога, и API выбросит элементы рассуждений, которые идут после изменённого места. Кроме того, OpenAI запретила моделям старых семейств со слабой защитой читать защищённые рассуждения GPT-6.2 Astra и Sol. Рассуждения пропадают и при смене семейства или переходе на более слабую модель, а начиная с GPT-6.2 — ещё и при смене safety_identifier между запросами.</p><p>Изменением префикса OpenAI называет вставку или правку содержимого перед элементом рассуждений: сокращение старого вывода инструмента, переписывание developer-сообщения, замену старых ходов кратким пересказом. Удаление целых элементов без правки остальных и дописывание новых в конец, по <a href="https://developers.openai.com/api/docs/guides/reasoning#reasoning-item-removal-across-requests">документации</a>, само по себе рассуждения не сбрасывает. Префикс можно поменять и неявно: сменить параметры tools или text.format, на моделях до GPT-6.2 — поменять instructions, или отредактировать ранние элементы input. Смену reasoning.effort параметром запроса документация тоже предлагает заменить дописыванием.</p><p>Последствия OpenAI описывает так: модели может понадобиться частично рассуждать заново, что увеличит расход токенов, цену и задержку, а если восстановить потерянное рассуждение не получится, может упасть качество ответа. Попутно страдает и кэш промптов: он совпадает с запросом от начала, поэтому правка в середине отрезает кэш с этого места. Недавно мы <a href="https://tproger.ru/news/codex-cli-poluchil-golosovye-zvonki-a-opencode-pochinil-kew-gpt-6">писали</a>, как OpenCode починил кэш GPT-6.2 и в замере на gpt-6.2-sol через GitHub Copilot стал отправлять на шаг агента 3 некэшированных входных токена вместо 14 000.</p><h2>Как переписать интеграцию, чтобы не терять рассуждения?</h2><p>Рецепт OpenAI — append-only: всё новое дописывать в конец контекста, а начало не трогать. В документации разобраны типовые случаи:</p><ul><li><b>Сменить уровень рассуждений или схему ответа.</b> Не менять reasoning.effort и text.format в запросе, а дописать в input элемент configuration_update с новым значением.</li><li><b>Добавить или ограничить инструменты.</b> Новые инструменты — через элемент additional_tools с ролью developer, ограничение на ход — через tool_choice с allowed_tools. Старые определения инструментов держать в прежнем порядке.</li><li><b>Обновить инструкции.</b> Базовые инструкции положить в первое developer-сообщение, а изменения дописывать новым developer-сообщением в конец. Для GPT-6.2 верхнеуровневое instructions работает как инструкция на один ход: API ставит её после input и тарифицирует как некэшированный ввод.</li><li><b>Сжатие истории.</b> Штатная компакция OpenAI (/responses/compact или context_management) сохраняет последующие рассуждения. Свою компакцию нужно ставить в конец контекста, а не перед последними ходами, иначе рассуждения после неё пропадут.</li><li><b>Длинные выводы инструментов и тяжёлые картинки.</b> Сокращать их до первой отправки модели, а не задним числом.</li></ul><p>Проверить, где интеграция ломает префикс, можно двумя способами. Prompt Cache Diagnostics показывает промахи кэша: в параметр prompt_cache_options.comparison_response_id передаётся ID прежнего ответа, и диагностика называет первое найденное отличие. Поле input_transformations в ответе Responses API показывает, какие элементы рассуждений API удалил и почему; причина prefix_mismatch означает, что интеграция изменила раннюю часть истории.</p><p>Кому ничего не менять: если агент только дописывает сообщения в конец, рассуждения сохраняются. Со штатной компакцией OpenAI тоже, но с оговоркой: /responses/compact не принимает историю с configuration_update, такие обновления нужно убрать перед вызовом и дописать заново после, а инструменты из additional_tools объявить снова, <a href="https://developers.openai.com/api/docs/guides/compaction">пишет OpenAI</a>. Риск у тех, кто сам сокращает историю, редактирует старые сообщения или переключает инструменты и формат ответа параметрами запроса.</p><h2>Зачем OpenAI прячет рассуждения?</h2><p>Дистилляция — обычный приём машинного обучения: одна модель (ученик) учится на данных, которые выдала другая (учитель). «Враждебной» OpenAI называет дистилляцию без разрешения, когда возможности передовой модели переносят в другую, у которой нет тех же ограничений. По версии компании, так модель может научиться помогать с кибератаками, от которых исходная модель отказалась бы или которые заблокировала бы её защита.</p><p>Особенно ценны для этого скрытые рассуждения, промежуточные шаги, которые модель делает до ответа. В них есть то, чего нет в финальном ответе. Пользователь обычно видит ответ, краткий пересказ рассуждений и вызовы инструментов; точные рассуждения OpenAI держит закрытыми.</p><p>Компания проверила, сколько это стоит в кибербезопасности. Один и тот же предобученный ученик дообучали на траекториях учителей уровня Astra в задачах по программированию и защитной кибербезопасности: в одном прогоне с точными рассуждениями, в другом с тем, что видит пользователь, включая пересказы. Потом каждого ученика оценивали после дообучения (SFT) и после короткого этапа обучения с подкреплением (RL) в средах по кибербезопасности и коду.</p><p>Результат осторожнее, чем можно ожидать. После SFT ученик на точных рассуждениях в целом обошёл ученика на пересказах в бенчмарках ExploitBench и SEC-bench Pro. После RL он остался впереди только при самом большом из проверенных бюджетов вывода, а при меньших бюджетах лучше оказался ученик на пересказах. Из этого OpenAI делает вывод, что закрытые рассуждения могут ограничить перенос киберспособностей, даже если сами задачи разрешены правилами. Точных чисел по бенчмаркам в тексте нет, только график. Похожее преимущество на SWE-bench Verified <a href="https://www.anthropic.com/news/distillation-defenses">описывала</a> Anthropic.</p><h2>Насколько хорошо работает защита по замерам OpenAI?</h2><p>Защита устроена в два слоя. На уровне отдельного запроса работают обучение модели отказывать в раскрытии рассуждений, входные и выходные классификаторы и ограничения API. Выходные классификаторы проверяют не только ответ, но и аргументы вызовов инструментов: модель может слить рассуждение в аргумент функции, не показав его в ответе. Классификаторы работают и в потоковом, и в обычном режиме. На уровне кампаний OpenAI ищет согласованную активность по сигналам запросов и аккаунтов, а найденные атаки возвращает в обучение и тесты.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-20/d1d69ebe-2a3b-4d80-a94e-5a9605a84ae0.webp" alt="Схема двух слоёв защиты OpenAI: защита каждого запроса (поведение модели, классификаторы, ограничения API) и выявление кампаний (расследования и блокировки), связанные автоматическим ред-тимингом" /><figcaption>Два слоя защиты от дистилляции: каждый запрос и кампании в целом. Изображение: OpenAI</figcaption></figure><p>Эффект OpenAI измерила своим же адаптивным black-box ред-тимингом: атакующие ИИ-модели видят систему так же, как внешний пользователь, и подстраивают атаку под ответы. Результат усреднён по шести атакующим моделям. Это замер самой компании, независимой проверки нет.</p><p>Доля успешных атак на извлечение рассуждений, %</p><table><thead><tr><th>Тип атаки</th><th>GPT-6 Astra, прежняя защита</th><th>GPT-6.2 Astra, новая защита</th></tr></thead><tbody><tr><td>Рассуждения из более раннего запроса</td><td>54,0</td><td>0,2</td></tr><tr><td>Рассуждения из текущего запроса</td><td>22,9</td><td>0,9</td></tr></tbody></table><p>Адаптивный black-box ред-тиминг, среднее по шести атакующим моделям. Источник: OpenAI</p><p>Часть улучшений OpenAI переносит и на GPT-6 Astra. Отдельных цифр по GPT-6.2 Sol в исследовании нет. На уровне аккаунтов компания еженедельно применяет меры за дистилляцию к тысячам или десяткам тысяч аккаунтов, и летом этот темп заметно вырос. Цель, по словам OpenAI, — уменьшить объём и ценность данных, которые достаются дистилляторам, удорожить кампании и сократить время реакции на новые атаки.</p><h2>Какую атаку OpenAI раскрыла в сентябре?</h2><p>Летнюю кампанию по переносу рассуждений между диалогами. 30 сентября OpenAI <a href="https://openai.com/index/disrupting-a-coordinated-model-distillation-campaign/">сообщила</a>, что с 1 июля шла кампания по извлечению рассуждений: атакующие, в частности, копировали зашифрованные рассуждения из одного диалога и просили модель в другом диалоге расшифровать и пересказать их. 24 и 25 июля компания увидела всплеск в 16 000 запросов от более чем 4 000 пользователей, а связанная активность охватила кластер из более чем 15 000 пользователей; к 28 июля связанную активность полностью пресекли, заблокировав или ограничив аккаунты. Ядро кампании OpenAI приписала людям, связанным с Moonshot AI, разработчиком Kimi.</p><p>После этого OpenAI усилила изоляцию рассуждений между пользователями, рабочими пространствами, организациями и семействами моделей и закрыла путь, по которому можно было раскрыть чужие зашифрованные рассуждения. Прямо связь с привязкой рассуждений в GPT-6.2 компания не формулирует, но, по нашей оценке, это та же линия: рассуждение, перенесённое в другой контекст, перестаёт работать. В феврале OpenAI также проинформировала Конгресс США о попытках DeepSeek дистиллировать американские передовые модели.</p><p>Компания поддерживает законопроекты, которые дали бы властям США инструменты против иностранных участников, незаконно извлекающих возможности американских моделей, и сообщила Конгрессу о поддержке Chip Security Act, AI OVERWATCH Act и MATCH Act. Экспортный контроль, по её словам, ограничивает доступ к железу для обучения, а защита от дистилляции — к возможностям уже обученных моделей. Индикаторы компрометации OpenAI передаёт другим разработчикам моделей, находками делится через Frontier Model Forum.</p><h2>Что будет дальше?</h2><p>OpenAI обещает скоро рассказать о других недавно сорванных кампаниях и продолжить исследование того, сколько возможностей переносится при разных учениках и рецептах обучения. Для команд на GPT-6.2 практический шаг понятен уже сейчас: проверить в ответах поле input_transformations и перевести агента на дописывание контекста в конец. Подробности о самих моделях — в нашей <a href="https://tproger.ru/news/openai-vypustila-gpt-6-2-astra-i-sol-astra-v-api-podewevela-na">новости о выходе GPT-6.2 Astra и Sol</a>.</p><p>Источники: <a href="https://openai.com/index/combatting-adversarial-distillation/">OpenAI: Combatting adversarial distillation, 20 ноября 2026</a>, <a href="https://developers.openai.com/api/docs/guides/keep-prefix-unchanged">OpenAI API: Keep the prefix unchanged</a>, <a href="https://openai.com/index/disrupting-a-coordinated-model-distillation-campaign/">OpenAI: Disrupting a coordinated model distillation campaign, 30 сентября 2026</a>, <a href="https://www.anthropic.com/news/distillation-defenses">Anthropic: Distillation defenses</a></p><p>Изображение на обложке: OpenAI</p>]]></content:encoded>
    </item>
    <item>
      <title>Antigravity даст на 20% больше работы с Gemini 4 Neon и снова сбросит квоты</title>
      <link>https://tproger.ru/news/antigravity-dast-na-20-bolwe-raboty-s-gemini-4-neon-i-snova-sb</link>
      <comments>https://tproger.ru/news/antigravity-dast-na-20-bolwe-raboty-s-gemini-4-neon-i-snova-sb?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/antigravity-dast-na-20-bolwe-raboty-s-gemini-4-neon-i-snova-sb</guid>
      <description><![CDATA[<p>Google расширяет пул кэша для Neon в Antigravity и обещает сбросить квоты. Параллельно идут скидки до 50% на Google AI Plus и годовой Pro до 26 ноября.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/antigravity-dast-na-20-bolwe-raboty-s-gemini-4-neon-i-snova-sb">Antigravity даст на 20% больше работы с Gemini 4 Neon и снова сбросит квоты</a>»</p>]]></description>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Fri, 20 Nov 2026 17:11:43 GMT</pubDate>
      <content:encoded><![CDATA[<p>Google расширяет кэш для модели Gemini 4 Neon в своей среде разработки Antigravity, и за ту же квоту пользователи смогут сделать как минимум на 20% больше работы. Об этом вечером 20 ноября <a href="https://x.com/_mohansolo/status/2123848516581892181">написал</a> Варун Мохан, который руководит Antigravity в Google DeepMind. Он же пообещал сбросить квоты, когда изменение раскатится: по его словам, до правки Neon «сжигал квоту быстрее».</p><p>Это касается всех, кто пишет код с агентами Antigravity на Neon: из личных тарифов модель доступна там на Google AI Pro и Ultra (компании подключают её через Gemini Enterprise), а лимиты на этих тарифах восстанавливаются раз в 5 часов и ограничены недельным потолком. В тот же вечер Google <a href="https://x.com/vikaskansalHQ/status/2123833450297995624">запустила</a> ранний доступ к распродаже к Чёрной пятнице: текущим подписчикам предлагают скидку до 50% на Google AI Plus и годовой Google AI Pro до 26 ноября.</p><ul><li>Google увеличивает пул кэша для Gemini 4 Neon в Antigravity; доля попаданий в кэш вырастет примерно на 4%, а объём работы в рамках квоты, по словам Варуна Мохана, как минимум на 20%.</li><li>После раскатки Мохан обещал сбросить квоты, потому что до правки Neon расходовал их быстрее; подтверждения, что сброс уже выдан, на вечер 20 ноября нет, срок не назван.</li><li>Из личных тарифов Neon в Antigravity есть на Google AI Pro (оплаченной или пробной с подходящими устройствами) и Ultra; квота Pro обновляется раз в 5 часов до недельного лимита.</li><li>Распродажа Google AI с 20 по 26 ноября: до 50% на Google AI Plus и годовой Google AI Pro для текущих подписчиков, точная скидка зависит от тарифа.</li></ul><h2>Что именно меняет Google в Antigravity?</h2><p>Google увеличивает размер пула кэша, из которого Antigravity обслуживает запросы к Gemini 4 Neon. Мохан пишет, что это поднимет долю попаданий в кэш (cache hit rate) примерно на 4%, а то, что можно успеть в пределах квоты, вырастет «как минимум на 20%». Изменение раскатывается постепенно, к моменту публикации Google не сообщала, что оно завершено.</p><p>Мохан не уточнил, идёт ли речь о 4 процентных пунктах или об относительном росте на 4%, с какой доли попаданий начинали и для каких задач посчитаны 20%. Это оценка компании, независимых замеров пока нет. Остальные модели в Antigravity в сообщении не упоминаются.</p><p>Отдельно Мохан пообещал сброс квот после завершения раскатки: «Will issue a reset after it's done since it burned quota faster». Дату сброса он не назвал. Это не первый сброс за неделю: в ночь на 18 ноября по Москве Мохан <a href="https://x.com/_mohansolo/status/2122836883877347836">объявил</a> обнуление квот для всех пользователей на всех моделях в честь первого дня рождения Antigravity, <a href="https://tproger.ru/news/google-sbrosila-kvoty-v-antigravity-na-vseh-modelyah-v-chest-dnya">мы писали об этом</a>.</p><h2>Почему 4% кэша дают 20% квоты?</h2><p>Агент в среде разработки работает циклом: на каждом шаге он заново отправляет модели почти тот же длинный префикс — системный промпт, описания инструментов, открытые файлы, историю диалога — и дописывает в конец немного нового. Если этот префикс уже лежит в кэше провайдера, модели не нужно заново его обрабатывать, и запрос обходится намного дешевле. Чем больше пул кэша, тем реже префиксы длинных сессий вытесняются из него до следующего шага агента. Так кэширование промптов устроено у всех крупных провайдеров; как именно его реализовала Google в Antigravity, компания не раскрывает.</p><p>Разницу в цене видно по прайсу самой Google. В Gemini API Neon <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/">стоит</a> $3 за миллион входных токенов и $0,15 за миллион токенов из кэша, то есть кэшированный вход дешевле в 20 раз. Когда почти весь вход агента приходит из кэша, основная доля стоимости входа приходится на несколько процентов промахов, и каждый пункт попаданий заметно меняет итог.</p><p>Стоимость миллиона входных токенов Neon при росте попаданий в кэш на 4 пункта</p><table><thead><tr><th>Доля попаданий в кэш</th><th>Цена входа, $ за 1 млн токенов</th><th>Экономия на входе</th></tr></thead><tbody><tr><td>80% и 84%</td><td>0,72 и 0,61</td><td>около 16%</td></tr><tr><td>90% и 94%</td><td>0,44 и 0,32</td><td>около 26%</td></tr><tr><td>95% и 99%</td><td>0,29 и 0,18</td><td>около 39%</td></tr></tbody></table><p>Расчёт Tproger по ценам <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/">Gemini API</a>; без учёта выходных токенов</p><p>По нашей оценке, это объясняет, как скромные 4% превращаются в обещанные 20%: при высокой исходной доле попаданий счёт за вход падает на четверть и больше. Но таблица только иллюстрирует механизм. Квота Antigravity не выражена в долларах, выходные токены (у Neon $15 за миллион) кэш не удешевляет, а реальные доли попаданий Google не публикует.</p><h2>Как устроены квоты Antigravity на Neon?</h2><p>По <a href="https://antigravity.google/docs/plans">документации Antigravity</a>, на Google AI Pro действует «высокая щедрая квота», которая обновляется каждые пять часов, пока не исчерпан недельный лимит. На Ultra квота и недельные лимиты максимальные. Бесплатный тариф получает квоту, которая обновляется раз в неделю, и Neon на нём недоступен. Google подчёркивает, что лимиты зависят от объёма работы агента, а не от числа промптов: простые задачи расходуют меньше, сложные больше, и лимиты могут меняться ради стабильности сервиса.</p><p>По <a href="https://antigravity.google/pricing">странице тарифов</a>, Neon на Pro доступен только на оплаченной подписке или пробном периоде с подходящими устройствами. Сверх базовой квоты на Pro и Ultra можно тратить AI-кредиты по ценам Gemini Enterprise. Поведение задаёт настройка AI Credit Overages: Never ждёт обновления квоты, Always автоматически переключается на кредиты.</p><p>Neon <a href="https://tproger.ru/news/google-vypustila-gemini-4-neon-koding-urovnya-opus-5-5-pochti-vdv">вышла 18 ноября</a> и в тот же день появилась в Antigravity у подписчиков Pro и Ultra. В <a href="https://antigravity.google/blog/gemini-4-neon-in-google-antigravity">блоге Antigravity</a> Google предлагает растягивать квоту режимом Orchestrator: Neon планирует и разбирает сложные места, а рутинные правки, обновление пакетов и прогон тестов отдаёт более быстрой Gemini 4 Hydrogen.</p><h2>Что даёт распродажа Google AI к Чёрной пятнице?</h2><p>Викас Кансал, который в Google отвечает за продукт подписок Gemini, <a href="https://x.com/vikaskansalHQ/status/2123833450297995624">объявил</a> 20 ноября ранний доступ к скидкам Чёрной пятницы для текущих подписчиков Google AI и облачного хранилища: до 50% на Google AI Plus и годовые планы Google AI Pro, с 20 по 26 ноября. Он оговорил, что точное предложение зависит от текущего тарифа и действуют условия. Цены со скидкой видны после входа на <a href="https://one.google.com/ai">one.google.com/ai</a>; на <a href="https://one.google.com/about/google-ai-plans/">публичной странице тарифов</a> висит только баннер «скидка до 50% на отдельные планы Google AI».</p><p>Для работы в Antigravity важна разница тарифов. По <a href="https://one.google.com/about/google-ai-plans/">описанию Google</a>, Plus включает Gemini 4 Hydrogen, а Gemini 4 Neon и расширенный доступ к ней в Antigravity и Google AI Studio начинаются с Pro. На странице тарифов Antigravity Plus вообще не указан: там есть бесплатный уровень, Pro и Ultra. Скидка на Plus не откроет Neon в Antigravity: нужна Pro с любым периодом оплаты или Ultra. В акции скидка заявлена на годовую Pro, про Ultra Кансал не писал.</p><h2>Что делать, если вы работаете в Antigravity на Neon</h2><ul><li>Посмотрите расход квоты по моделям на странице Settings в Antigravity: после раскатки изменения тот же объём работы должен забирать меньше лимита.</li><li>Если не хотите платить сверх подписки, держите AI Credit Overages в режиме Never: тогда при исчерпании квоты агент дождётся обновления, а не начнёт тратить кредиты.</li><li>Для длинных задач попробуйте Orchestrator с парой Neon и Hydrogen: Google прямо рекламирует его как способ растянуть квоту.</li><li>Перед покупкой годовой Pro по скидке откройте свою страницу предложения: размер скидки зависит от текущего плана, а акция для текущих подписчиков идёт до 26 ноября.</li></ul><p>Дальше стоит следить за двумя вещами: когда Google выдаст обещанный сброс и подтвердят ли пользователи рост на 20% на своих задачах. Ещё одна дата на горизонте — 2 декабря: на него в Google <a href="https://tproger.ru/news/google-nameknula-na-podpisku-gemini-v-storonnih-agentah-so-2-dek">намекнули</a> как на первый шаг к использованию подписки Gemini за пределами продуктов компании.</p><p>Источники: <a href="https://x.com/_mohansolo/status/2123848516581892181">Варун Мохан: расширение кэша Neon в Antigravity и обещание сброса квот, X, 20 ноября 2026</a>, <a href="https://x.com/vikaskansalHQ/status/2123833450297995624">Викас Кансал: ранний доступ к скидкам Чёрной пятницы на Google AI, X, 20 ноября 2026</a>, <a href="https://x.com/_mohansolo/status/2122836883877347836">Варун Мохан: сброс квот в честь дня рождения Antigravity, X, 18 ноября 2026</a>, <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/">Google: Introducing Gemini 4 Neon, 18 ноября 2026</a>, <a href="https://antigravity.google/blog/gemini-4-neon-in-google-antigravity">Google Antigravity: Gemini 4 Neon in Google Antigravity, 18 ноября 2026</a>, <a href="https://antigravity.google/docs/plans">Google Antigravity: документация, Plans</a>, <a href="https://antigravity.google/pricing">Google Antigravity: тарифы</a>, <a href="https://one.google.com/about/google-ai-plans/">Google One: тарифы Google AI</a></p><p>Изображение на обложке: Google</p>]]></content:encoded>
    </item>
    <item>
      <title>Google намекнула на подписку Gemini в сторонних агентах со 2 декабря</title>
      <link>https://tproger.ru/news/google-nameknula-na-podpisku-gemini-v-storonnih-agentah-so-2-dek</link>
      <comments>https://tproger.ru/news/google-nameknula-na-podpisku-gemini-v-storonnih-agentah-so-2-dek?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/google-nameknula-na-podpisku-gemini-v-storonnih-agentah-so-2-dek</guid>
      <description><![CDATA[<p>Логан Килпатрик из Google ответил на просьбу пустить подписку Gemini в любые агенты фразой «2 декабря мы сделаем первый шаг». Что известно и чего нет.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/google-nameknula-na-podpisku-gemini-v-storonnih-agentah-so-2-dek">Google намекнула на подписку Gemini в сторонних агентах со 2 декабря</a>»</p>]]></description>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Fri, 20 Nov 2026 11:56:34 GMT</pubDate>
      <content:encoded><![CDATA[<p>Логан Килпатрик из Google 20 ноября в 09:00 мск <a href="https://x.com/OfficialLoganK/status/2123657759896007035">ответил</a> на просьбу разрешить подписку Gemini в любом кодинг-агенте фразой «December 2nd we take the first step» («2 декабря мы сделаем первый шаг», перевод редакции). Если за этим стоит то, о чём просили, владельцы подписок Google смогут тратить их лимиты не только в Antigravity и Gemini CLI, но и в сторонних агентах.</p><p>Для программиста это вопрос денег и выбора инструмента: сейчас Gemini в стороннем агенте оплачивают отдельно: ключом Gemini API, через Vertex AI или из баланса самого агента, а подписка Google AI Pro или Ultra действует только в продуктах Google. Пока это намёк, а не анонс: Килпатрик не сказал, что именно откроют, для каких тарифов и в каких агентах. Официальной страницы или записи в документации на 20 ноября нет.</p><ul><li>20 ноября Логан Килпатрик (Google) на просьбу пустить подписку Gemini в любые агенты ответил: «2 декабря мы сделаем первый шаг».</li><li>Тарифы, список агентов и лимиты не названы; трактовка «со 2 декабря Gemini 4 будет в любом харнессе по подписке» принадлежит аккаунту kimmonismus, а не Google.</li><li>Сейчас подписки Google AI Pro и Ultra работают в Gemini CLI и Antigravity, а доступ к сервисам Gemini CLI из сторонних программ его условия называют нарушением.</li><li>По данным TestingCatalog, Google показала тизер Gemini 4 Helium, которую блог описывает как модель класса Flash Lite и следующий релиз линейки; официального анонса нет.</li></ul><h2>Что именно сказала Google про 2 декабря?</h2><p>Только одну фразу в ответ на чужой пост. Утром 20 ноября разработчик Кун Чен (@kunchenguid) <a href="https://x.com/kunchenguid/status/2123643593688822222">написал</a>, что Gemini 4 Neon «неплох», и добавил: Google осталось только «разрешить подписку Gemini в любом харнессе», и камбэк обеспечен. Харнессом называют программу-обвязку вокруг модели: агента, который читает файлы, запускает команды и правит код, как Claude Code, Codex или OpenCode.</p><p>Через час Логан Килпатрик, который, по описанию в профиле, работает над Gemini, Google AI Studio, Gemini API и Kaggle, ответил именно на этот пост: «2 декабря мы сделаем первый шаг». Больше он ничего не уточнил. Неизвестно, будет ли это доступ для всех агентов или для нескольких партнёров, войдут ли тарифы Google AI Pro и Ultra, какие модели и лимиты откроют.</p><p>Более сильную версию распространил аккаунт kimmonismus, который пересказывает новости ИИ: он <a href="https://x.com/kimmonismus/status/2123772646232105157">написал</a>, что со 2 декабря Gemini 4 можно будет использовать «в любом харнессе» по подписке. Это его прочтение ответа Килпатрика; Google так не формулировала.</p><h2>Как подписка Gemini работает с агентами сейчас?</h2><p>Подписка привязана к продуктам Google. В <a href="https://geminicli.com/docs/get-started/authentication/">документации</a> Gemini CLI подписчикам Google AI Pro и Ultra предлагают входить через Google-аккаунт, к которому привязана подписка. Бесплатных пользователей и подписчиков Google One, по той же странице, с 18 июня 2026 года перевели с Gemini CLI на Antigravity CLI. В <a href="https://antigravity.google/pricing">Antigravity</a> AI Pro даёт квоту агента, которая обновляется каждые 5 часов, плюс недельный лимит; у Ultra квоты максимальные.</p><p>Сторонние агенты к этим квотам не допущены. В <a href="https://geminicli.com/docs/resources/tos-privacy/">условиях Gemini CLI</a> сказано, что доступ к сервисам за Gemini CLI через стороннее ПО нарушает правила, в пример приведён OpenClaw с OAuth от Gemini CLI, а за это могут заблокировать аккаунт. Легальные пути для чужого агента сегодня — ключ Gemini API из AI Studio, доступ через Vertex AI в Google Cloud или модели, которые продаёт сам агент: например, <a href="https://cursor.com/docs/models">Cursor</a> списывает их со своего баланса. Бесплатный уровень в API есть только у части моделей: <a href="https://tproger.ru/news/google-vypustila-gemini-4-neon-koding-urovnya-opus-5-5-pochti-vdv">Gemini 4 Neon</a>, например, доступна только платно: $3 за 1 млн входных и $15 за 1 млн выходных токенов.</p><h2>А как с подписками у Anthropic и OpenAI?</h2><p>У двух главных конкурентов подходы противоположные:</p><ul><li>Anthropic в <a href="https://code.claude.com/docs/en/legal-and-compliance">правилах Claude Code</a> оставляет вход по подписке Free, Pro, Max и Ultra для Claude Code и других собственных приложений и прямо запрещает сторонним разработчикам пускать запросы через учётные данные этих тарифов от имени пользователей.</li><li>OpenAI включает Codex в планы ChatGPT от Free до Enterprise, <a href="https://learn.chatgpt.com/docs/pricing">говорится</a> на странице тарифов, и ведёт программу <a href="https://developers.openai.com/siwc/quickstart">Sign in with ChatGPT</a>: пользователи Plus и Pro могут тратить лимиты своего плана в продуктах партнёров. По документации OpenAI, это доступно всем open-source-партнёрам и отдельным коммерческим клиентам в рамках ограниченного теста.</li></ul><p>Если Google 2 декабря действительно откроет подписку для сторонних агентов, она окажется ближе к модели OpenAI. По нашей оценке, это важно для тех, кто уже привык к своему агенту: недавний <a href="https://tproger.ru/news/test-22-agentov-pokazal-pri-smene-modeli-stoit-smenit-i-harnes">тест 22 конфигураций агентов</a> на 18 харнессах показал, что связка модели и харнесса влияет на результат, и возможность выбирать их независимо при оплате подпиской снижает цену такого выбора.</p><h2>Какие модели Gemini 4 ждут дальше?</h2><p>Официально в линейке четыре модели, все названы в честь химических элементов: Argon, Carbon, Hydrogen и Neon, последняя вышла 18–19 ноября. 19 ноября Килпатрик <a href="https://x.com/OfficialLoganK/status/2123216422122016965">показал</a> новый селектор моделей в Google AI Studio в виде таблицы Менделеева, где эти четыре клетки выделены цветом. В тот же день сотрудник Google Омар Сансевьеро <a href="https://x.com/osanseviero/status/2123323209135308996">опубликовал</a> тизер с подписью «Shipping will continue»: в ролике сначала загораются те же четыре элемента, затем гелий и другие клетки, а заканчивается он фразой «Gemini 4 will return».</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-20/27e7c9b8-862b-44e8-8bef-3dcd64cc5ae8.webp" alt="Селектор моделей Google AI Studio в виде таблицы Менделеева с подписью «The periodic table of Gemini 4» и отметкой «4 released»" /><figcaption>Селектор моделей в Google AI Studio: выделены четыре вышедшие модели Gemini 4, клетка гелия не выделена. Кадр из ролика Логана Килпатрика. Изображение: Google</figcaption></figure><p>Остальное — слухи. Блог TestingCatalog, который отслеживает тестовые сборки ИИ-сервисов, в <a href="https://x.com/testingcatalog/status/2123349626216464509">брифе за 19 ноября</a> пишет, что Google показала тизер Gemini 4 Helium; по описанию блога, это модель класса Flash Lite и следующий релиз Gemini 4. В самом ролике Google таких пояснений нет. Там же был пункт «Gemini Helix, на следующей неделе?», но через 12 минут автор <a href="https://x.com/testingcatalog/status/2123352623235703220">уточнил</a>: Helix — имя, замеченное раньше, и, по его мнению, писать стоило Helium. Ещё в брифе упомянуты кодовые имена Cobalt и Krypton с вопросом «кто они?».</p><p>Про Cobalt ответ, по всей видимости, есть: в данных <a href="https://lmarena.ai/leaderboard">лидерборда LMArena</a> модель с ключом cobalt-c-ksh7 теперь подписана как Gemini 4 Neon, а ключ carbon-g-c6jt — как Gemini 4 Carbon. Похоже, Google тестирует модели на арене под кодовыми именами до релиза. Ключа с Krypton на 20 ноября в этих данных нет, что это за модель, неизвестно. Helium, Helix, Cobalt и Krypton в <a href="https://ai.google.dev/gemini-api/docs/changelog">журнале изменений</a> Gemini API и списке моделей не значатся.</p><h2>Что делать до 2 декабря?</h2><p>Менять ничего не нужно. Не стоит подключать подписку Google к стороннему агенту через неофициальные прокси и чужие OAuth-токены: по текущим условиям это нарушение с риском блокировки аккаунта. Если нужен Gemini в своём агенте сейчас, используйте ключ Gemini API или Vertex AI; если хватает продуктов Google, подписка работает в Antigravity и Gemini CLI, а в Antigravity на днях Google к тому же <a href="https://tproger.ru/news/google-sbrosila-kvoty-v-antigravity-na-vseh-modelyah-v-chest-dnya">сбросила квоты</a>.</p><p>2 декабря стоит проверить три вещи: какие тарифы попадут в «первый шаг», каким агентам разрешат вход (всем или списку партнёров) и будут ли у сторонних агентов те же лимиты, что в Antigravity. Пока Google не опубликовала условия, строить на этом обещании планы расходов рано.</p><p>Источники: <a href="https://x.com/OfficialLoganK/status/2123657759896007035">Логан Килпатрик: «December 2nd we take the first step», X, 20 ноября 2026</a>, <a href="https://x.com/kunchenguid/status/2123643593688822222">Кун Чен: просьба разрешить подписку Gemini в любом харнессе, X, 20 ноября 2026</a>, <a href="https://x.com/kimmonismus/status/2123772646232105157">kimmonismus: трактовка ответа Килпатрика, X, 20 ноября 2026</a>, <a href="https://x.com/testingcatalog/status/2123349626216464509">TestingCatalog: Daily AI Brief, 19 ноября 2026</a>, <a href="https://x.com/testingcatalog/status/2123352623235703220">TestingCatalog: уточнение про Helix и Helium, X, 19 ноября 2026</a>, <a href="https://x.com/OfficialLoganK/status/2123216422122016965">Логан Килпатрик: таблица Менделеева в Google AI Studio, X, 19 ноября 2026</a>, <a href="https://x.com/osanseviero/status/2123323209135308996">Омар Сансевьеро: тизер «Shipping will continue», X, 19 ноября 2026</a>, <a href="https://lmarena.ai/leaderboard">LMArena: лидерборд</a>, <a href="https://ai.google.dev/gemini-api/docs/changelog">Gemini API: журнал изменений</a>, <a href="https://geminicli.com/docs/get-started/authentication/">Gemini CLI: аутентификация</a>, <a href="https://geminicli.com/docs/resources/tos-privacy/">Gemini CLI: условия использования и конфиденциальность</a>, <a href="https://antigravity.google/pricing">Google Antigravity: тарифы</a>, <a href="https://code.claude.com/docs/en/legal-and-compliance">Claude Code: Legal and compliance</a>, <a href="https://developers.openai.com/siwc/quickstart">OpenAI: Sign in with ChatGPT, Quickstart</a>, <a href="https://learn.chatgpt.com/docs/pricing">Codex: тарифы</a>, <a href="https://cursor.com/docs/models">Cursor: модели</a></p><p>Изображение на обложке: Google</p>]]></content:encoded>
    </item>
    <item>
      <title>OpenAI открыла GPT-Live-1.1 в API и удешевила паузы в разговоре в 2,5 раза</title>
      <link>https://tproger.ru/news/openai-otkryla-gpt-live-1-1-v-api-i-udewevila-pauzy-v-razgovore</link>
      <comments>https://tproger.ru/news/openai-otkryla-gpt-live-1-1-v-api-i-udewevila-pauzy-v-razgovore?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/openai-otkryla-gpt-live-1-1-v-api-i-udewevila-pauzy-v-razgovore</guid>
      <description><![CDATA[<p>Минута GPT-Live в standby стоит $0,02 против $0,05 в активном режиме. Режим работает только в WebRTC-сессиях и включается двумя параметрами при создании.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/openai-otkryla-gpt-live-1-1-v-api-i-udewevila-pauzy-v-razgovore">OpenAI открыла GPT-Live-1.1 в API и удешевила паузы в разговоре в 2,5 раза</a>»</p>]]></description>
      <category><![CDATA[API]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[WebRTC]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Fri, 20 Nov 2026 11:14:16 GMT</pubDate>
      <content:encoded><![CDATA[<p>OpenAI 19 ноября <a href="https://developers.openai.com/api/docs/changelog">открыла в API</a> голосовую модель GPT-Live-1.1 и одновременно добавила режим standby для WebRTC-сессий GPT-Live-1 и GPT-Live-1.1. В standby модель перестаёт обрабатывать звук, пока собеседник молчит, а минута такой паузы стоит $0,02 вместо $0,05 в активном режиме.</p><p>Для тех, кто делает голосового агента, это две отдельные новости. Новая модель стоит столько же, сколько прежняя, и, по словам OpenAI, точнее распознаёт речь и держит акцент на разных языках; чтобы её попробовать, в существующей конфигурации достаточно заменить идентификатор модели. Standby бьёт по главной статье расходов длинных разговоров: время, когда сессия открыта, а никто не говорит. Бесплатным он не стал, и включать его нужно явно.</p><p>Анонс вышел в аккаунте <a href="https://x.com/OpenAIDevs/status/2123506733524136446">OpenAI Developers в X</a> 19 ноября в 23:00 мск. В ChatGPT модель GPT-Live-1.1 работает с 15 октября, тогда OpenAI пообещала вывести её в API «скоро».</p><ul><li>Модель gpt-live-1.1 доступна только через Live-эндпоинт v1/live/sessions; цена та же, что у GPT-Live-1: $0,05 за минуту активной сессии.</li><li>Standby тарифицируется по $0,02 за минуту, оплата посекундная, работает только в WebRTC-сессиях GPT-Live-1 и GPT-Live-1.1.</li><li>Включается параметрами session.wake_policy.type: "speech" и session.idle_timeout_s от 5 до 60 секунд; микрофонный трек должен оставаться активным.</li><li>Выключенный микрофон не переводит сессию в standby: такое время оплачивается по активной ставке.</li><li>Чисел, насколько 1.1 лучше первой версии, OpenAI не привела.</li></ul><h2>Что OpenAI улучшила в GPT-Live-1.1?</h2><p>Коротко: произношение, устойчивость акцента и распознавание речи в многоязычных разговорах. На <a href="https://developers.openai.com/api/docs/models/gpt-live-1.1">странице модели</a> сказано, что по сравнению с GPT-Live-1 новая версия «точнее транскрибирует речь и сохраняет более последовательный акцент и голос на разных языках» (здесь и далее перевод редакции). В анонсе компания добавила, что модель «ещё надёжнее доводит задачи до конца».</p><p>GPT-Live — семейство full-duplex голосовых моделей: модель слушает, пока говорит, и пользователь может перебить её на полуслове. Сложные задачи она не решает сама, а передаёт бэкенду, например текстовой модели через Responses API с поиском в вебе. Для 1.1 OpenAI отдельно советует описывать обычным языком в инструкциях, когда модели передавать задачу бэкенду.</p><p>Количественных оценок улучшений нет ни в анонсе, ни в changelog, ни на странице модели: ни доли ошибок распознавания, ни задержки, ни результатов на бенчмарках. Не указана и дата среза знаний, у GPT-Live-1 это 31 июля 2025 года. Независимых замеров 1.1 на 20 ноября мы не нашли, так что улучшения пока остаются заявлением компании.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-20/9354fc77-4ac5-4c1f-90fb-1927dc90d7a7.webp" alt="Кадр ролика OpenAI: два цветных круга-голоса American English и French, между ними круассан, подпись Un croissant" /><figcaption>Кадр из демо GPT-Live-1.1: многоязычный разговор, где голоса на английском, французском, немецком и корейском переводят друг другу отдельные слова. Изображение: OpenAI</figcaption></figure><p>Смотреть видео: <a href="https://x.com/OpenAIDevs/status/2123506733524136446">демо GPT-Live-1.1 в анонсе OpenAI Developers, 44 секунды</a>.</p><h2>Как работает standby и чем он отличается от выключенного микрофона?</h2><p>Standby — пауза в работе модели при открытом соединении. Если в течение заданного числа секунд нет ни входной, ни выходной транскрипции, сервер останавливает инференс и переводит сессию в режим ожидания. Соединение и идентификатор сессии сохраняются. Когда пользователь снова заговорит, сессия <a href="https://developers.openai.com/api/docs/guides/live-conversations#configure-standby">возобновляется</a> и восстанавливает историю разговора.</p><p>Ключевая оговорка документации: микрофонный трек должен оставаться активным, иначе серверу нечем услышать, что человек снова говорит. Выключение микрофона в интерфейсе модель не усыпляет: в <a href="https://developers.openai.com/api/docs/guides/voice-latency-cost">руководстве по стоимости</a> прямо сказано, что мьют оставляет сессию активной, то есть время оплачивается по $0,05 за минуту. Кнопка «выключить микрофон» в приложении экономии не даёт.</p><p>У режима есть цена в задержке. После standby первый ответ на короткую реплику может прийти позже обычного, предупреждает OpenAI. Насколько позже, в документации не сказано.</p><p>Приложение узнаёт о смене режима по двум событиям, которые приходят в sideband-канал или в data channel WebRTC, если его настройки событий это разрешают:</p><ul><li>session.paused — таймаут простоя остановил инференс, сессия ушла в standby; соединение и sideband остаются открытыми;</li><li>session.resumed — инференс снова готов, в том числе при первом пробуждении сессии.</li></ul><h2>Как включить standby в своей сессии?</h2><p>Два параметра при создании WebRTC-сессии через POST /v1/live/sessions. Поле session.wake_policy.type со значением speech заставляет сессию ждать речи, прежде чем запускать инференс. Поле session.idle_timeout_s, целое число от 5 до 60, задаёт, через сколько секунд тишины вернуться в standby. Если таймаут не указать, после первого пробуждения инференс останется активным до конца сессии.</p><p>Ниже пример из <a href="https://developers.openai.com/api/docs/guides/voice-webrtc">WebRTC-квикстарта</a> на Node.js SDK, в который добавлены поля standby из <a href="https://developers.openai.com/api/reference/resources/live/methods/create">справочника API</a>. Сервер получает SDP-оффер от браузера и создаёт сессию; блок delegation передаёт сложные запросы бэкенд-модели с веб-поиском:</p><p>Необязательный vad_threshold от 0 до 1, по умолчанию 0,5, задаёт, насколько уверенно серверный детектор голосовой активности (VAD) должен распознать речь, чтобы разбудить модель; чем выше значение, тем больше нужно доказательств. Порог действует и на первое пробуждение, и на каждое следующее. На практике это значит, что в шумной обстановке его стоит поднимать, чтобы посторонний звук реже возвращал сессию на активный тариф.</p><p>Остальное в квикстарте не меняется: браузер отправляет SDP-оффер вашему серверу, сервер создаёт сессию, клиент ждёт события session.started в data channel и не отправляет session.start сам. Если убрать блок delegation, делегированные задачи придётся обрабатывать самому приложению. Тем, кто уже работает на GPT-Live-1, для перехода на 1.1 достаточно поменять model, говорится в changelog.</p><h2>Сколько стоит GPT-Live и сколько экономит standby?</h2><p>GPT-Live считает не аудиотокены, а длительность сессии. По <a href="https://developers.openai.com/api/docs/pricing#live-session-duration">прайсу</a> у обеих моделей одинаковые ставки, разницы в цене между 1.1 и 1 нет:</p><p>Тарифы GPT-Live в API</p><table><thead><tr><th>Модель</th><th>Активный режим</th><th>Standby</th></tr></thead><tbody><tr><td>gpt-live-1.1</td><td>$0,05 за минуту</td><td>$0,02 за минуту</td></tr><tr><td>gpt-live-1</td><td>$0,05 за минуту</td><td>$0,02 за минуту</td></tr></tbody></table><p>OpenAI, цены API на 20 ноября 2026</p><p>Оплата посекундная, до целой минуты время не округляется. По активной ставке идут речь, тишина до истечения таймаута простоя и ожидание ответа бэкенда, пока инференс работает. Пониженная ставка действует, только пока инференс стоит на паузе в WebRTC-сессии, настроенной на standby. Вызовы бэкенд-модели и инструментов оплачиваются отдельно по их обычным ценам.</p><p>Ещё одна строка счёта: при запуске по умолчанию создание WebRTC-сессии сразу списывает 15 секунд голосового времени на инициализацию. Когда сессия начинает работать, эта сумма засчитывается в её длительность, так что 90-секундная активная сессия уже включает эти 15 секунд, добавлять их сверху не нужно. Но каждое пересоздание сессии их снова списывает, и это стоит учитывать при выборе между standby и переподключением.</p><p>Расчёт редакции на числах прайса: час в активном режиме стоит $3, час в standby — $1,20. Возьмём 30-минутную сессию, где пользователь говорит с агентом 5 минут, а между репликами пять раз замолкает на 5 минут, например читает ответ или занят своим делом. Без standby все 30 минут идут по $0,05: итого $1,50. Со standby и таймаутом 15 секунд каждая пауза начинается с 15 активных секунд, так что активными будут 6,25 минуты ($0,31), а 23,75 минуты уйдут в standby ($0,48). Итого около $0,79, почти вдвое меньше.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-20/3d0e35b7-e9af-4975-8b0f-4bceecd0efba.webp" alt="Горизонтальные столбцы: 30-минутная сессия GPT-Live без standby стоит 1,5 доллара, со standby и таймаутом 15 секунд 0,79 доллара" /><figcaption>Стоимость 30-минутной сессии с 5 минутами речи и пятью паузами по 5 минут. Источник данных: цены OpenAI на 20 ноября 2026; расчёт Tproger</figcaption></figure><p>Предельная экономия на паузах — 60%: дешевле $0,02 за минуту открытая сессия стоить не может. Чем короче паузы, тем меньше выигрыш, потому что первые секунды каждой паузы до таймаута оплачиваются по полной ставке. Агенту, с которым говорят без перерывов, например в коротком телефонном звонке, standby почти ничего не даст.</p><h2>Где standby не работает и чего OpenAI не сказала?</h2><p>Ограничений несколько, и о них стоит знать до того, как закладывать экономию в бюджет.</p><ul><li>Только WebRTC. Live-сессии также работают через WebSocket и SIP-телефонию, но standby для них не заявлен ни в changelog, ни в документации.</li><li>Только Live-эндпоинт. GPT-Live-1.1 не поддерживается в Chat Completions, Responses, Realtime API, Batch и fine-tuning.</li><li>Только аудио и текст на входе и выходе.</li><li>Отдельные лимиты. У GPT-Live-1.1 и GPT-Live-1 раздельные лимиты одновременных сессий. Для первой версии OpenAI называет 50, 300 и 500 сессий на тарифах Build, Launch и Grow, бесплатный тариф не поддерживается; цифр для 1.1 на странице модели нет, их показывают в настройках организации.</li><li>Регионы доступности, дата среза знаний и количественные метрики улучшений 1.1 не опубликованы.</li></ul><p>Для длинных перерывов, когда приложение может отключиться, OpenAI предлагает другой путь: закрыть сессию, сохранить контекст и состояние задачи, а когда пользователь вернётся, открыть новую сессию с форком сохранённой или с текстовой историей разговора. Выбирать таймаут простоя документация советует, сравнивая сэкономленное время со стоимостью создания новой сессии и задержкой, пока голос снова станет доступен.</p><p>Что сделать сейчас: в существующей конфигурации заменить model на gpt-live-1.1 и сравнить качество распознавания на своих разговорах; для WebRTC-сессий с паузами добавить wake_policy и idle_timeout_s, проверить, что приложение не глушит микрофонный трек, и подписаться на session.paused и session.resumed, чтобы видеть долю времени в standby.</p><h2>Как OpenAI шла к этому релизу?</h2><p>Семейство GPT-Live OpenAI представила 8 июля 2026 года в ChatGPT вместе с облегчённой GPT-Live-1 mini. 10 сентября GPT-Live-1 <a href="https://openai.com/index/introducing-gpt-live-1-in-the-api/">стала общедоступной в API</a> по $0,05 за минуту. 15 октября GPT-Live-1.1 <a href="https://x.com/OpenAI/status/2110797830361436604">вышла в ChatGPT</a> и Codex с новыми голосами на французском, немецком, хинди, мексиканском испанском, корейском и японском. Версии mini в API по-прежнему нет: в прайсе её не появилось.</p><p>Если вы выбираете, на чём собирать голосового агента, сравните готовые фреймворки из нашего <a href="https://tproger.ru/articles/kak-sobrat-golosovogo-ii-agenta-v-2026-godu-livekit-pipecat-i">разбора LiveKit, Pipecat и Vapi</a>: они берут на себя транспорт и оркестрацию поверх моделей. Голосовые режимы появляются и в инструментах для разработчиков: недавно <a href="https://tproger.ru/news/cursor-nauchil-agentov-razgovarivat-golosom-zvonki-na-grok-voic">Cursor научил агентов разговаривать голосом</a> на модели Grok Voice.</p><p>Источники: <a href="https://developers.openai.com/api/docs/changelog">OpenAI: changelog API, 19 ноября 2026</a>, <a href="https://developers.openai.com/api/docs/models/gpt-live-1.1">OpenAI: страница модели GPT-Live-1.1</a>, <a href="https://developers.openai.com/api/docs/guides/live-conversations#configure-standby">OpenAI: Managing sessions, раздел Configure standby</a>, <a href="https://developers.openai.com/api/docs/guides/voice-latency-cost">OpenAI: Voice latency and cost</a>, <a href="https://developers.openai.com/api/docs/pricing#live-session-duration">OpenAI: цены API, GPT-Live</a>, <a href="https://developers.openai.com/api/reference/resources/live/methods/create">OpenAI: справочник API, создание Live-сессии</a>, <a href="https://developers.openai.com/api/docs/guides/voice-webrtc">OpenAI: WebRTC quickstart для GPT-Live</a>, <a href="https://x.com/OpenAIDevs/status/2123506733524136446">OpenAI Developers в X: анонс GPT-Live-1.1 в API</a>, <a href="https://x.com/OpenAI/status/2110797830361436604">OpenAI в X: GPT-Live-1.1 в ChatGPT, 15 октября 2026</a>, <a href="https://openai.com/index/introducing-gpt-live-1-in-the-api/">OpenAI: Introducing GPT-Live-1 in the API</a></p><p>Изображение на обложке: Изображение: OpenAI</p>]]></content:encoded>
    </item>
    <item>
      <title>Google открыла Genie 4 в Gemini API: живой мир за $0,10 в секунду</title>
      <link>https://tproger.ru/news/google-otkryla-genie-4-v-gemini-api-zhivoj-mir-za-0-10-v-sekund</link>
      <comments>https://tproger.ru/news/google-otkryla-genie-4-v-gemini-api-zhivoj-mir-za-0-10-v-sekund?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/google-otkryla-genie-4-v-gemini-api-zhivoj-mir-za-0-10-v-sekund</guid>
      <description><![CDATA[<p>Genie 4 в Gemini API стоит около $0,10 за секунду мира, бесплатного тарифа нет, сессия до 120 секунд. Разбираем подключение, лимиты и ограничения.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/google-otkryla-genie-4-v-gemini-api-zhivoj-mir-za-0-10-v-sekund">Google открыла Genie 4 в Gemini API: живой мир за $0,10 в секунду</a>»</p>]]></description>
      <category><![CDATA[API]]></category>
      <category><![CDATA[Разработка игр]]></category>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Fri, 20 Nov 2026 11:11:37 GMT</pubDate>
      <content:encoded><![CDATA[<p>Google DeepMind 19 ноября <a href="https://blog.google/innovation-and-ai/technology/developers-tools/genie-4-in-gemini-api/">открыла</a> разработчикам Genie 4 — модель, которая в реальном времени генерирует управляемый интерактивный мир со звуком. Модель genie-4 доступна в Gemini API через Interactions API и в Google AI Studio; в <a href="https://ai.google.dev/gemini-api/docs/changelog">журнале изменений</a> Gemini API она отмечена как общедоступная (GA). Пост в блоге Google вышел в 20:00 мск, бесплатного тарифа у модели нет.</p><p>Теперь любой разработчик с платным ключом может встроить «живой» сгенерированный мир в своё приложение через общедоступный API: пользователь ходит по сцене клавишами WASD, крутит камеру стрелками и текстом меняет погоду, освещение или события, а модель на лету отдаёт видео 720p с частотой 24 кадра в секунду и стереозвуком. Платить придётся за каждую секунду сгенерированного видео: по расчёту самой Google, около $0,10 в секунду, или около $6,05 в минуту. Одна сессия длится не дольше 120 секунд.</p><p>Саму модель DeepMind <a href="https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/">показала</a> ещё 27 октября, 18 ноября она <a href="https://blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie/">появилась</a> в Project Genie для подписчиков Google AI Ultra, а 19 ноября стала доступна в API. Ниже — как она устроена, сколько стоит, как её подключить и где у неё пределы.</p><ul><li>genie-4 доступна в Gemini API (Interactions API, v1beta) и Google AI Studio с 19 ноября 2026 года, только на платном тарифе.</li><li>Видео 1280x720, 16:9, 24 кадра в секунду со стереозвуком 48 кГц; первый кадр приходит через 5–9 секунд после настройки мира.</li><li>Цена — $17,50 за 1 млн видеотокенов, это около $0,10 за секунду или около $6,05 за минуту; звук входит в цену видео.</li><li>Сессия длится до 120 секунд, стабильнее всего картинка первые 45–90 секунд; на первом платном уровне проект может держать 2 сессии одновременно и 50 запросов в сутки.</li><li>Модель обслуживают дата-центры в США, Западной Европе и Японии; России нет в списке регионов Gemini API в целом.</li></ul><h2>Что умеет Genie 4 и чем она отличается от генераторов видео</h2><p>Genie 4 — «модель мира»: она не рендерит готовый ролик по промпту, а продолжает сцену кадр за кадром в ответ на действия пользователя. В <a href="https://ai.google.dev/gemini-api/docs/genie">документации</a> Google противопоставляет её Gemini Omni 1.2 Flash: Omni генерирует клипы офлайн, а Genie 4 «рендерит кадры на лету». Для готовых клипов на 3–15 секунд, монтажа и апскейла до 4K Google советует по-прежнему брать Omni — о ней мы <a href="https://tproger.ru/news/gemini-omni-1-2-flash-google-udlinila-klipy-do-15-sekund-i-sniz">писали</a> в начале ноября.</p><p>На вход модель принимает три вида сигналов:</p><ul><li>текстовое описание мира в событии world_setup и, по желанию, одну референсную картинку в формате 16:9;</li><li>действия клавиатуры и камеры в событиях user_action: клавиши key_w, key_s, key_a, key_d двигают персонажа, стрелки поворачивают камеру, действия бывают key_down, key_up и key_click;</li><li>текстовые события input посреди сессии: смена погоды, снег, фейерверк, изменение состояния предметов или реплика персонажа в кавычках.</li></ul><p>Звук модель генерирует сама: по словам DeepMind, Genie 4 — первая её модель мира реального времени с нативным звуком, у каждого мира есть фоновое звучание, а персонажи могут вести диалог, который подстраивается под происходящее. За согласованность мира, как <a href="https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/">пишет</a> DeepMind, отвечают другие модели семейства: Gemini Omni привязывает картинку к реальному виду и поведению предметов, а модели Gemini дают рассуждение; в демонстрациях сложных событий в цикле работает Gemini 3.8 Flash, которую мы <a href="https://tproger.ru/news/google-gemini-3-8-flash-dognala-opus-5-na-deepswe-pri-cene-0-7">разбирали</a> в сентябре. Какие именно модели участвуют в этом цикле в API, Google не уточняет. Каждый кадр и звук помечаются невидимым водяным знаком SynthID.</p><p>Публичный тест предшественницы, Genie 3, Google <a href="https://tproger.ru/news/google-nachala-publichnyj-test-genie-3---ii-dlya-sozdaniya-interakti">начала</a> в январе. По сравнению с ней Genie 4, по описанию DeepMind, даёт более фотореалистичную картинку, плавное движение, физику столкновений и аэродинамики, звук и управление текстом посреди сессии. Genie 3 при этом остаётся в Project Genie для длинных сессий до 3 минут и миров из 360-градусных панорам, но в Gemini API через Interactions API доступна только genie-4.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-20/1c5dd9ff-dbf6-4d00-9d4c-c96fb76609d8.webp" alt="Кадр демо The Life of Ants: муравейник с перспективы муравья, сгенерированный Genie 4" /><figcaption>Кадр из демо «The Life of Ants», сделанного на Genie 4 с режиссёром Анандом Ганди. Изображение: Google</figcaption></figure><p>Смотреть видео: <a href="https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/resized_ants_tBlKUGA.mp4">демо «The Life of Ants»</a> — прогулка по муравейнику, и <a href="https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/resized_Villa_Giallo.mp4">демо «Villa Giallo»</a> — детектив по комнатам готического особняка. Оба ролика Google опубликовала в анонсе Project Genie.</p><h2>Сколько стоит Genie 4 в Gemini API</h2><p>Около $0,10 за секунду сгенерированного мира, бесплатного уровня нет. В <a href="https://ai.google.dev/gemini-api/docs/pricing">таблице цен</a> у Genie 4 во всех строках бесплатного тарифа стоит «Not available», а для работы нужен ключ Gemini API платного уровня. Списание идёт за видеотокены: 240 токенов на кадр, то есть 5 760 токенов в секунду при 24 кадрах, звук включён в эту ставку.</p><p>Цены Genie 4, стандартный тариф</p><table><thead><tr><th>Позиция</th><th>Цена за 1 млн токенов</th></tr></thead><tbody><tr><td>Вход: текст и референсная картинка</td><td>$1,50</td></tr><tr><td>Выход: текст</td><td>$9,00</td></tr><tr><td>Выход: видео со звуком</td><td>$17,50</td></tr><tr><td>Кэширование контекста</td><td>не поддерживается</td></tr></tbody></table><p>Источник: страница цен Gemini API, ноябрь 2026</p><p>По нашему расчёту по этим ставкам, одна сессия на все 120 секунд выдаёт 691 200 видеотокенов и стоит около $12,10. Google отдельно предупреждает: сессию нужно явно закрывать вызовом complete(), иначе генерация и списание продолжатся. Batch API, Flex и Priority для Genie 4 не поддерживаются, так что дешевле стандартной ставки модель не получить. Данные платных запросов, как указано в таблице, для улучшения продуктов Google не используются.</p><p>Лимиты применяются к проекту Google Cloud, а не к отдельному ключу, и зависят от его уровня, <a href="https://ai.google.dev/gemini-api/docs/rate-limits">сообщает</a> Google. Сообщения управления внутри сессии — нажатия клавиш и текстовые события — в квоту запросов не входят. Кроме того, в зависимости от истории биллинга может действовать лимит расходов за скользящие 10 минут: на Tier 1 это $10, на Tier 2 и Tier 3 — $200, при превышении API отвечает ошибкой 429 RESOURCE_EXHAUSTED. На Tier 1 этого хватит меньше чем на одну полную 120-секундную сессию, по нашему расчёту.</p><p>Лимиты Genie 4 по уровням проекта</p><table><thead><tr><th>Уровень</th><th>Сессий одновременно</th><th>Запросов в сутки</th></tr></thead><tbody><tr><td>Free</td><td>не поддерживается</td><td>не поддерживается</td></tr><tr><td>Tier 1</td><td>2</td><td>50</td></tr><tr><td>Tier 2</td><td>5</td><td>250</td></tr><tr><td>Tier 3</td><td>10</td><td>1 000</td></tr></tbody></table><p>Источник: страница лимитов Gemini API, ноябрь 2026</p><h2>Как подключить Genie 4 к своему приложению</h2><p>Через серверный ключ и короткоживущий токен для клиента. В <a href="https://ai.google.dev/gemini-api/docs/genie">руководстве</a> жизненный цикл описан в четыре шага: сервер создаёт interaction с моделью genie-4 методом interactions.create; клиент подключается к живой сессии через interactions.connect по WebRTC (для браузера) или WebSocket (Python, Node.js или браузер); приложение отправляет одно событие world_setup, а затем события движения и текста; в конце сессия закрывается вызовом session.complete(). Нужен SDK @google/genai для JavaScript и TypeScript или google-genai для Python, версия API — v1beta.</p><p>Пример серверной части на Node.js из документации: сервер создаёт сессию и выпускает для неё одноразовый токен.</p><p>Долгоживущий GEMINI_API_KEY в браузер класть нельзя, подчёркивает Google: браузер получает только ID сессии и auth_token, привязанный к ней, и WebSocket в браузере без этого токена не подключится. После подключения клиент задаёт мир событием world_setup:</p><p>Движение передаётся событиями user_action, например нажатие W:</p><p>Полные примеры на Python с асинхронным WebSocket и браузерный пример на WebRTC, где клавиши E и Q вызывают снег и фейерверк, есть в <a href="https://ai.google.dev/gemini-api/docs/genie">документации</a>, советы по промптам — в <a href="https://ai.google.dev/gemini-api/docs/genie-prompting">отдельном руководстве</a>. Референсную картинку при подключении по WebRTC документация советует сжимать в JPEG меньше 48 КБ: канал данных ограничен 64 КБ на сообщение. Попробовать модель без кода можно в <a href="https://aistudio.google.com/live?model=genie-4">Google AI Studio</a>, но тоже только с платным ключом.</p><h2>Где Genie 4 упирается в ограничения</h2><p>Главное ограничение — короткая память мира. Модель держит скользящее окно по времени, а не постоянный граф 3D-сцены, говорится в разделе ограничений <a href="https://ai.google.dev/gemini-api/docs/genie">документации</a>. Если отвернуться больше чем на 8 секунд или сделать полный оборот на 360 градусов, ориентиры могут сдвинуться или пропасть. Лучше всего мир держится первые 45–90 секунд, после 60–90 секунд картинка может деградировать, а 120 секунд — жёсткий потолок сессии.</p><ul><li>Задержки: до первого кадра проходит 5–9 секунд, отклик на клавиши — 0,2–0,5 секунды при низком пинге, на текстовые события — 1–2 секунды.</li><li>Формат фиксирован: только 1280x720, 16:9, 24 кадра в секунду; вертикальное видео 9:16 и своя частота кадров не поддерживаются.</li><li>Нет живого входа с микрофона и веб-камеры, вызова функций, поиска Google, структурированного вывода и возобновления сессии.</li><li>Текст в кадре — вывески, шкалы, часы — со временем искажается, а точное число предметов «плывёт» при поворотах камеры.</li><li>Промпты и референсы с реальными людьми, публичными персонами и чужими брендами фильтр может заблокировать при старте или оборвать посреди сессии.</li></ul><p>Задержку определяет и география. Genie 4 работает из дата-центров в США, Западной Европе и Японии, оптимальный отклик (меньше 150 мс туда и обратно) Google обещает в Северной Америке, Западной и Центральной Европе и Восточной Азии; в других местах управление с клавиатуры запаздывает, а частота кадров может падать. Россия при этом не входит в <a href="https://ai.google.dev/gemini-api/docs/available-regions">список регионов</a>, где доступны Gemini API и AI Studio, — это ограничение API в целом. По <a href="https://ai.google.dev/gemini-api/terms">условиям</a> Gemini API пользоваться сервисом и открывать приложения на его основе пользователям можно только в доступных регионах, поэтому официально ни команда в России, ни её пользователи в России Genie 4 получить не могут.</p><p>DeepMind сама называет Genie 4 ранней областью исследований: детали картинки и постоянство объектов со временем смещаются, а сложная физика, точность звука, читаемый текст и долгая согласованность мира остаются в работе. Независимых замеров модели в API пока нет — она доступна меньше суток.</p><h2>Кому Genie 4 пригодится уже сейчас</h2><p>По нашей оценке, при цене около $6 за минуту и потолке в две минуты модель подходит для прототипов: интерактивных демо, предпросмотра игровых уровней, обучающих сцен и экспериментов с агентами, которым нужна среда. Для полноценной игры с постоянным миром её памяти не хватит, а для ролика заданной длины без управления дешевле и проще Omni. Тем, кто делает приложения под вертикальные экраны или без платного аккаунта Gemini API, обновление пока ничего не даёт.</p><p>Чтобы попробовать Genie 4, нужен ключ Gemini API на платном уровне. Начните с готового примера из <a href="https://ai.google.dev/gemini-api/docs/genie">документации</a>, держите ключ только на сервере, а клиенту отдавайте auth_token сессии. Не забывайте вызывать complete(): незакрытая сессия продолжает списывать около $0,10 в секунду.</p><p>Будет ли у Genie 4 бесплатный уровень и когда в API появятся сессии длиннее 120 секунд, Google не сообщает. Модель помечена как общедоступная, но работает на бета-версии API v1beta, так что формат событий, по нашей оценке, ещё может меняться.</p><p>Источники: <a href="https://blog.google/innovation-and-ai/technology/developers-tools/genie-4-in-gemini-api/">Google: Genie 4 is now available on the Gemini API</a>, <a href="https://ai.google.dev/gemini-api/docs/genie">Gemini API: Interactive world generation with Genie 4</a>, <a href="https://ai.google.dev/gemini-api/docs/models/genie-4">Gemini API: модель Genie 4</a>, <a href="https://ai.google.dev/gemini-api/docs/pricing">Gemini API: цены</a>, <a href="https://ai.google.dev/gemini-api/docs/rate-limits">Gemini API: лимиты</a>, <a href="https://ai.google.dev/gemini-api/docs/changelog">Gemini API: журнал изменений</a>, <a href="https://ai.google.dev/gemini-api/docs/available-regions">Gemini API: доступные регионы</a>, <a href="https://ai.google.dev/gemini-api/terms">Gemini API: условия использования</a>, <a href="https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/">Google DeepMind: Genie 4, a new generation of world simulation</a>, <a href="https://blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie/">Google: Genie 4 в Project Genie</a></p><p>Изображение на обложке: Google</p>]]></content:encoded>
    </item>
    <item>
      <title>Модель Gestalt обошла людей и Claude Fable 5.2 в слепом тесте дизайна</title>
      <link>https://tproger.ru/news/model-gestalt-obowla-lyudej-i-claude-fable-5-2-v-slepom-teste-di</link>
      <comments>https://tproger.ru/news/model-gestalt-obowla-lyudej-i-claude-fable-5-2-v-slepom-teste-di?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/model-gestalt-obowla-lyudej-i-claude-fable-5-2-v-slepom-teste-di</guid>
      <description><![CDATA[<p>В слепом голосовании 35 дизайнеров модель Gestalt набрала 1931 Elo против 1739 у сайтов людей и 1713 у Claude Fable 5.2; разработчик модели не раскрыт.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/model-gestalt-obowla-lyudej-i-claude-fable-5-2-v-slepom-teste-di">Модель Gestalt обошла людей и Claude Fable 5.2 в слепом тесте дизайна</a>»</p>]]></description>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Дизайн интерфейсов и UX]]></category>
      <category><![CDATA[Веб-дизайн]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Thu, 19 Nov 2026 15:20:04 GMT</pubDate>
      <content:encoded><![CDATA[<p>Contra Labs, исследовательское подразделение фриланс-площадки Contra, вместе с BenchFlow запустила <a href="https://contralabs.com/frontierdesign">Frontier Design Benchmark</a>, бенчмарк дизайна сайтов по реальным заказам. Первое место в нём заняла неанонсированная модель Gestalt: на <a href="https://contralabs.com/frontierdesign/leaderboard">лидерборде</a> у неё Elo 1931 и 90% выигранных сравнений. По данным авторов, это первая модель, которую профессиональные дизайнеры в слепом голосовании оценили выше эталонных сайтов, сделанных людьми.</p><p>Для разработчика, который собирает интерфейсы с ИИ-агентом, бенчмарк полезен в двух местах. Он показывает, какие публичные модели сейчас лучше всего справляются с вёрсткой по настоящему брифу: верхнюю группу занимают Claude Fable 5.2, Opus 5.5, Sonnet 5.5, GPT-6.1 Sol, GPT-6 Astra и Kimi K3.1 Pro. И он перечисляет конкретные приметы «ИИ-сайта», которые дизайнеры замечают сразу и которые можно убрать из своего промпта или правил агента. Чья модель Gestalt, когда она выйдет и сколько будет стоить, Contra Labs не сообщает.</p><ul><li>Gestalt на лидерборде Contra Labs: Elo 1931, 90% побед; эталонные сайты дизайнеров (Human golden) идут вторыми с 1739, Claude Fable 5.2 третьей с 1713.</li><li>Модели делали сайты по 33 брифам: 27 основаны на реальных заказах с Contra, 6 получены от стартапов-партнёров.</li><li>Голосовали 35 профессиональных дизайнеров, всего 4311 слепых сравнений пар.</li><li>Шесть публичных моделей держатся в диапазоне 1638–1714 Elo, остальные девять отстают больше чем на 200 очков.</li><li>Разработчик Gestalt, дата выхода и цена не раскрыты; независимой проверки результатов в опубликованных материалах нет.</li></ul><h2>Как устроен Frontier Design Benchmark?</h2><p>Авторы исходят из того, что задачи вроде «сделай лендинг для кофейни» мало говорят о реальной работе. В <a href="https://contralabs.com/frontierdesign/blog">блоге о запуске</a> Contra Labs приводит статистику своей площадки: из 4,6 тыс. заказов на сайты за последний год медианный бриф занимает 138 слов при бюджете $1050, а в 75% брифов есть два и больше ограничений, например фирменные материалы, целевая аудитория или бизнес-цели.</p><p>В стартовый набор вошли 33 задачи. 27 из них написаны по реальным заказам с Contra, клиенты в них заменены вымышленными. В 19 из этих 27 брифов есть логотип клиента, 17 требуют, чтобы сайт хорошо работал на телефоне. Среди задач многостраничные маркетинговые сайты (например, сайт фестиваля с продажей билетов), лендинги, веб-приложения с рабочими сценариями вроде оформления краудфандинга или онлайн-курса с тестами и сертификатом, а также два мобильных приложения. Ещё 6 задач дали стартапы-партнёры: это проекты, под которые они нанимали дизайнера на Contra, вместе с их брендовыми материалами, файлами текущего сайта и презентациями.</p><p>Прогоны моделей делала <a href="https://benchflow.ai">BenchFlow</a>: агент решает задачу в песочнице, а платформа записывает результат, стоимость и всю траекторию. Модели вызывались через OpenRouter и, где это было возможно, в фирменной агентной оболочке своей лаборатории. Параллельно дизайнеры Contra делали по тем же брифам эталонные сайты: сначала мудборд из трёх направлений, затем вёрстка в любых инструментах и несколько итераций по замечаниям команды.</p><h2>Кто и как оценивал сайты?</h2><p>Главная метрика бенчмарка складывается из попарных сравнений. Дизайнеру показывают два сайта по одному брифу без названий моделей, стороны каждый раз перемешиваются, он выбирает лучший и по желанию объясняет выбор: цвет, типографика, сетка, удобство, соответствие брифу. По голосам строится рейтинг Elo по модели Брэдли — Терри, той же схеме, что у популярных арен.</p><p>Отличие от арен в том, кто голосует. На аренах, пишут авторы, рейтинг формируют все, кто зашёл на сайт, и большинство из них дизайном не занимается. Здесь голосовали 35 профессиональных дизайнеров, всего 4311 голосов в пяти раундах. Устойчивость рейтинга проверяли так: голосующих 200 раз случайно делили на две половины и строили рейтинг по каждой, в среднем рейтинги совпали с коэффициентом Спирмена 0,95.</p><p>Кроме голосов, у бенчмарка есть ещё две метрики. Рубрика из 34 критериев по блогу (на странице рубрики их 35: иерархия шрифтов, отступы, контраст, отрисовывается ли страница целиком) оценивает ошибки, которые можно назвать и исправить; по моделям она совпадает с рейтингом дизайнеров с корреляцией 0,94. Детектор «ИИ-слопа» оценивает по шкале от 0 до 100, насколько страница похожа на сделанную ИИ: это классификатор, обученный на сайтах, сделанных людьми и моделями.</p><h2>Насколько Gestalt опередила остальных?</h2><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-19/8f2ed196-b9c0-420d-81b9-9594a1e9c688.webp" alt="Столбчатая диаграмма Elo семнадцати участников Frontier Design Benchmark: Gestalt 1931, Human golden 1739, Claude Fable 5.2 1713" /><figcaption>Рейтинг Elo по слепым голосам дизайнеров. Скриншот: лидерборд Contra Labs, 19 ноября 2026 года</figcaption></figure><p>На текущем лидерборде Gestalt набирает 1931 очко и выигрывает 90% сравнений (95-процентный доверительный интервал 86–92%), по ней 420 голосов. Эталонные сайты людей идут вторыми с 1739 и 74% побед. Третье место у <a href="https://tproger.ru/news/anthropic-vypustila-claude-fable-5-2-i-snizila-cenu-na-20">Claude Fable 5.2</a>: 1713 и 73%. Дальше Claude Opus 5.5 (1691), GPT-6.1 Sol (1668), Claude Sonnet 5.5 (1667), Kimi K3.1 Pro (1663) и GPT-6 Astra (1638).</p><p>В блоге о запуске цифры чуть другие: там у Gestalt 1928 Elo и 378 побед из 423 голосов, у Fable 5.2 1714. Причину расхождения авторы не объясняют. По блогу, разрыв между Gestalt и Fable 5.2 составляет 214 очков, и их 95-процентные интервалы не пересекаются. В прямых парах с эталонными сайтами людей дизайнеры выбрали Gestalt 20 раз из 28.</p><p>Последнее число стоит держать рядом с громким выводом про «обошла людей»: очных сравнений Gestalt с людьми всего 28, а набор задач ограничен 33 брифами веб-дизайна. По нашей оценке, это сильный сигнал о качестве вёрстки, но не доказательство того, что модель заменит дизайнера на любом проекте. Бенчмарк проводит компания, которая продаёт лабораториям данные для обучения моделей дизайну, и в блоге прямо сказано, что Contra Labs работает с командой Gestalt и даёт ей обратную связь.</p><h2>Почему публичные модели разделились на две группы?</h2><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-19/0009ea37-bcce-425c-b511-508b9f798e29.webp" alt="Диаграмма Elo с доверительными интервалами: верхняя группа из семи моделей и нижняя из девяти" /><figcaption>Разрыв в 204 очка делит модели на две группы. Изображение: Contra Labs</figcaption></figure><p>Шесть моделей, которые прогнала сама Contra Labs, держатся плотно: от 1638 до 1714 Elo и от 66% до 73% побед. Это три модели Claude и две GPT плюс Kimi K3.1 Pro. Остальные девять сидят между 1122 и 1434 и выигрывают от 12% до 41% сравнений. Разрыв между группами 204 очка, больше чем вдвое шире разброса внутри верхней группы.</p><p>В нижней группе по текущему лидерборду Qwen3.8 Max (1434), Kimi K3 (1415), GLM-5.3 Prime (1403), Gemini 4 Carbon (1366), Muse Spark 1.3 (1335), Muse Wonder (1249), Grok 4.7 (1247), Gemini 4 Argon (1221) и DeepSeek V4 Pro (1121). Модели Google в рейтинг попали в версиях Carbon и Argon; вышедшей 18 ноября <a href="https://tproger.ru/news/google-vypustila-gemini-4-neon-koding-urovnya-opus-5-5-pochti-vdv">Gemini 4 Neon</a> в таблице нет. Расклад в верхней группе похож на <a href="https://tproger.ru/news/claude-fable-5-2-i-opus-5-5-vozglavili-rejting-ii-agentov-dlya-ko">рейтинг кодинг-агентов Artificial Analysis</a>, где Fable 5.2 и Opus 5.5 тоже наверху, но здесь дизайнеры оценивают внешний вид, удобство и соответствие брифу, а не умение довести задачу в репозитории.</p><p>Рубрика в целом ранжирует модели так же, как дизайнеры, но расходится с ними на работах людей. Эталонные сайты набрали по рубрике 73,6 балла и оказались шестыми из 16, позади двух GPT (78,7 и 79,4) и трёх Claude (от 79,3 до 83,8). Баллы они потеряли на ошибках исполнения: слишком тёмная подпись кнопки на фоне, логотип, обрезанный соседней секцией. Дизайнеры видели эти ошибки и всё равно выбирали работы людей в 74% голосов (425 из 574). Рубрика ловит ошибки, но вкус, за который голосуют дизайнеры, она не измеряет.</p><h2>По каким приметам видно, что сайт сделал ИИ?</h2><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-19/e1f5dc95-2b95-4999-b4ae-db5ebf48983b.webp" alt="Макет лендинга с пронумерованными приметами ИИ-дизайна: подпись капсом над заголовком, курсивное слово в заголовке, размытое свечение, стрелка на кнопках" /><figcaption>Приметы, по которым сайт выглядит сделанным ИИ. Изображение: Contra Labs</figcaption></figure><p>Детектор слопа уверенно отличает работу людей от работы моделей: эталонные сайты получили 0,9 балла из 100, модели от 1,2 до 66. Внутри моделей показатель больше зависит от лаборатории, чем от места в рейтинге: три Claude дают от 31 до 38, две GPT от 41 до 53, две Gemini от 54 до 57. Низкий балл 1,2 получили две модели по противоположным причинам. У DeepSeek V4 Pro многие страницы недоделаны и поэтому не похожи на типичный ИИ-сайт, а у Gestalt страницы законченные и при этом почти не выдают модель.</p><p>Авторы выписали приметы, которые дизайнеры называют «ИИ-шными» и которые на сайтах моделей встречаются намного чаще, чем у людей:</p><ul><li>Мелкая подпись капсом с разрядкой над заголовком раздела, которая повторяет сам заголовок. В обучающей выборке детектора такие подписи хотя бы у половины разделов есть на 93% ИИ-страниц и 11% страниц людей; Gemini 4 Argon делает это на каждой странице, GPT-6.1 Sol на 96%.</li><li>Одно слово заголовка курсивом для акцента: у Kimi K3.1 Pro на 60% страниц, у GPT-6 Astra на 53%, у людей в одном эталонном сайте из 19.</li><li>Нумерация разделов 01, 02, 03. У людей в выборке её нет совсем, у Gemini 4 Argon она на 42% страниц, у Kimi K3.1 Pro и Gemini 4 Carbon на 40%.</li><li>Всё содержимое разложено по карточкам с рамкой или заливкой: у Gemini 4 Argon и Carbon на 92% страниц, у Muse Spark 1.3 на 88%.</li></ul><p>Отдельно Contra Labs описывает «почерк» лабораторий. Модели Claude ставят горизонтальную стрелку на ссылки и кнопки (Fable 5.2 на 88% страниц, Opus 5.5 на 80%, Sonnet 5.5 на 90%), модели GPT диагональную (GPT-6 Astra на 84%, GPT-6.1 Sol на 92%). У GPT-6.1 Sol почти половина страниц состоит из заголовков-слоганов вроде «Less paperwork. More possibility.», а текст останавливается на выгоде и не объясняет, как работает продукт. Gemini 4 Argon, наоборот, превращает обычные маркетинговые секции в техническую спецификацию со статусами и ссылками на рисунки. Kimi K3.1 Pro наклоняет карточки и телефоны, у DeepSeek V4 Pro на половине страниц все заголовки разделов выровнены по центру.</p><p>На практике этот список можно использовать как чек-лист для своих правил агента: запретить подписи капсом над заголовками, нумерацию разделов, стрелки на каждой кнопке и сплошные карточки. Это не сделает модель дизайнером, но уберёт приметы, по которым посетитель сразу узнаёт сгенерированный сайт.</p><h2>Что известно о Gestalt?</h2><p>Почти ничего. Contra Labs называет её высококачественной моделью для дизайна, которая находится в «стелс-режиме», то есть ещё не анонсирована разработчиком. Её проверяли в той же конфигурации слепого голосования, что и остальных. Разработчик, архитектура, цена и дата выхода не раскрыты; на лидерборде у неё нет и точки на графике стоимости одного результата, который есть у остальных моделей.</p><p>После запуска бенчмарка в X начали гадать, кто стоит за Gestalt: в <a href="https://x.com/meishengsimon/status/2123364678218953183">одном из популярных постов</a> среди вариантов следующие модели OpenAI, Anthropic, Google, xAI и Z.ai. Подтверждений ни одной из версий нет. Contra Labs пишет, что продолжит тестировать Gestalt вместе с её командой, а набор из 33 задач будет расширять новыми брифами, моделями и списком примет ИИ-дизайна. Посмотреть пары сайтов и проголосовать самому можно на <a href="https://contralabs.com/frontierdesign">странице бенчмарка</a>.</p><p>Источники: <a href="https://contralabs.com/frontierdesign/leaderboard">Contra Labs: лидерборд Frontier Design Benchmark</a>, <a href="https://contralabs.com/frontierdesign/blog">Contra Labs: Frontier Design: Evaluating AI on Real World Design Tasks</a>, <a href="https://contralabs.com/frontierdesign">Contra Labs: Frontier Design Benchmark</a></p><p>Изображение на обложке: Contra Labs</p>]]></content:encoded>
    </item>
    <item>
      <title>OpenCode починил кэш GPT-6.2: 3 токена вместо 14 000 на шаг агента</title>
      <link>https://tproger.ru/news/codex-cli-poluchil-golosovye-zvonki-a-opencode-pochinil-kew-gpt-6</link>
      <comments>https://tproger.ru/news/codex-cli-poluchil-golosovye-zvonki-a-opencode-pochinil-kew-gpt-6?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/codex-cli-poluchil-golosovye-zvonki-a-opencode-pochinil-kew-gpt-6</guid>
      <description><![CDATA[<p>OpenCode 2.3.2 кэширует системный промпт GPT-6.2: некэшированный вход на шаг упал с 14 000 токенов до 3. Плюс правки Codex CLI и Claude Code.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/codex-cli-poluchil-golosovye-zvonki-a-opencode-pochinil-kew-gpt-6">OpenCode починил кэш GPT-6.2: 3 токена вместо 14 000 на шаг агента</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Инструменты командной строки]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Thu, 19 Nov 2026 07:35:43 GMT</pubDate>
      <content:encoded><![CDATA[<p>OpenCode 2.3.2, вышедший 18 ноября, <a href="https://github.com/anomalyco/opencode/releases/tag/v2.3.2">перестал</a> оплачивать системный промпт моделей GPT-6.2 заново на каждом шаге агента. По данным разработчиков, на gpt-6.2-sol в GitHub Copilot некэшированный вход на шаг сократился примерно с 14 000 токенов до 3. В тот же день в Codex CLI 0.170.0 <a href="https://github.com/openai/codex/releases/tag/rust-v0.170.0">изменилось</a> устройство голосовых звонков в терминальном интерфейсе, а Claude Code 2.1.327 научился принимать настройки MCP-сервера из стандартного ввода, чтобы токены не попадали в командную строку.</p><p>Если вы работаете с GPT-6.2 через OpenCode, длинный системный промпт агента теперь кэшируется со второго шага, и некэшированного входа на каждом шаге становится меньше; сколько это даст в деньгах, зависит от тарифа провайдера. Остальные изменения недели касаются того, как агенты работают в фоне, и мелких, но неприятных ошибок вокруг секретов и конфигов. Прошлый <a href="https://tproger.ru/news/claude-code-poluchil-code-mode-a-codex-nauchilsya-vybirat-provajd">обзор харнессов</a>, где Claude Code получил Code Mode, а Codex CLI научился выбирать провайдера моделей, вышел 13 ноября; ниже то, что появилось после него.</p><ul><li>OpenCode 2.3.2 передаёт системный промпт GPT-6.2 первым developer-сообщением вместо поля instructions Responses API, и промпт кэшируется со второго шага.</li><li>На gpt-6.2-sol в GitHub Copilot некэшированный вход на шаг упал примерно с 14 000 токенов до 3, по данным релиз-нот OpenCode.</li><li>OpenCode 2.3.0 запускает субагентов в фоне по умолчанию, 2.3.1 пишет сводку для компакции в фоне, отключается compaction.background: false.</li><li>В Codex CLI 0.170.0 WebRTC-соединение для голосовых звонков устанавливает сам TUI, а сервер приложения подключается к готовому звонку.</li><li>Claude Code 2.1.327 принимает JSON MCP-сервера из stdin через claude mcp add-json &lt;name&gt; - и больше не удаляет git-ignored файлы вроде .env при остановке Remote Control в режиме worktree.</li></ul><p>Что вышло с 13 по 19 ноября</p><table><thead><tr><th>Инструмент</th><th>Версия</th><th>Дата</th><th>Главное</th></tr></thead><tbody><tr><td>OpenCode</td><td>2.3.2</td><td>18 ноября</td><td>Кэширование системного промпта GPT-6.2</td></tr><tr><td>OpenCode</td><td>2.3.1</td><td>18 ноября</td><td>Фоновая компакция, долгие команды уходят в фон по тайм-ауту</td></tr><tr><td>OpenCode</td><td>2.3.0</td><td>13 ноября</td><td>Субагенты в фоне по умолчанию, свёрнутый журнал действий</td></tr><tr><td>Codex CLI</td><td>0.170.0</td><td>18 ноября</td><td>Звонки по WebRTC устанавливает сам TUI</td></tr><tr><td>Claude Code</td><td>2.1.326</td><td>16 ноября</td><td>Code Mode вместе с agent teams</td></tr><tr><td>Claude Code</td><td>2.1.327</td><td>17 ноября</td><td>claude mcp add-json из stdin, исправления вокруг .env и .mcp.json</td></tr><tr><td>Claude Code</td><td>2.1.328</td><td>19 ноября</td><td>"onFailure": "block" для MCP-хуков, исправление автокомпакции</td></tr><tr><td>DeepSeek Harness</td><td>0.2.2-rc.5</td><td>18 ноября</td><td>Веб-поиск без оплаты за запрос для моделей DeepSeek</td></tr><tr><td>Qwen Code</td><td>0.28.0</td><td>17 ноября</td><td>Общий агентный цикл для TUI и headless-сессий</td></tr><tr><td>Goose</td><td>1.60.0</td><td>17 ноября</td><td>Скиллы встроены в ядро, логи запросов закрыты от других пользователей</td></tr></tbody></table><p>Источник: GitHub Releases проектов; даты по UTC</p><h2>Почему OpenCode переплачивал за GPT-6.2</h2><p>Модели GPT-6.2 не кэшируют системный промпт, который передаётся в поле instructions Responses API, говорится в <a href="https://github.com/anomalyco/opencode/releases/tag/v2.3.2">заметках к релизу</a> OpenCode 2.3.2. Поэтому на каждом шаге агента промпт заново оплачивался как некэшированный вход. Теперь OpenCode отправляет его ведущим developer-сообщением на всех маршрутах Responses: OpenAI по API-ключу и со входом через ChatGPT, GitHub Copilot, Zen, Azure и OpenRouter. Компакция через /responses/compact читает тот же кэшированный префикс.</p><p>Разработчики приводят один замер: на gpt-6.2-sol в GitHub Copilot некэшированный вход на шаг упал примерно с 14 000 токенов до 3. Сколько это даёт в деньгах, зависит от длины вашего системного промпта и числа шагов; независимых замеров пока нет.</p><p>Версия <a href="https://github.com/anomalyco/opencode/releases/tag/v2.3.1">2.3.1</a> вышла примерно на час раньше. В ней GPT 6.2 Sol и Astra вместе с быстрыми вариантами появились в списке моделей при входе через ChatGPT. Когда сессия подходит к автоматической компакции, сводка теперь пишется в фоне, и следующий промпт её не ждёт; выключается это настройкой compaction.background: false. Разработчики предупреждают, что фоновая сводка, которая так и не пригодилась, всё равно тратит токены.</p><p>Команда shell, не уложившаяся в тайм-аут, больше не убивается, а уходит в фон и доложит результат, когда закончит; timeout: 0 на переднем плане теперь означает стандартные 120 секунд. OpenCode снова читает CLAUDE.md в каталогах без AGENTS.md и откатывается на ~/.claude/CLAUDE.md, если нет глобального AGENTS.md; отключить это можно переменной OPENCODE_DISABLE_CLAUDE_CODE. Экспериментальные расписания переименованы в automations: они запускаются по времени, интервалу, cron или событию MCP.</p><p>В <a href="https://github.com/anomalyco/opencode/releases/tag/v2.3.0">2.3.0</a> от 13 ноября субагенты всегда работают в фоне: сразу возвращают ID сессии и отчитываются родителю, когда освободятся, так что в основной сессии можно продолжать работу. Журнал в TUI по умолчанию сворачивает цепочки вызовов инструментов в одну строку активности; прежнюю подробность возвращает session.verbosity со значением medium или high. Провайдеры получили клиентские сертификаты для шлюзов с mTLS через settings.tls, а поиск локальных моделей в Ollama, LM Studio и vLLM ждёт ответа до 15 секунд вместо одной. Недавно команда OpenCode также <a href="https://tproger.ru/news/opencode-vypustila-browse-ii-agent-rabotaet-v-brauzere-s-vawimi">выпустила</a> Browse, через который агент работает в обычном браузере пользователя.</p><h2>Что изменилось в Codex CLI 0.170</h2><p>Голосовые звонки в реальном времени по WebRTC в TUI Codex CLI <a href="https://github.com/openai/codex/blob/rust-v0.169.0/codex-rs/tui/src/app_server_session/realtime.rs">были</a> и в 0.169.0: тогда TUI передавал серверу приложения WebRTC-предложение. В <a href="https://github.com/openai/codex/releases/tag/rust-v0.170.0">0.170.0</a> от 18 ноября, как следует из <a href="https://github.com/openai/codex/pull/61172">описания изменения</a>, звонок создаёт сам TUI со своими учётными данными и провайдером, а сервер приложения подключается к нему по ID. Какие модели участвуют в звонке, в заметках к релизу не описано. Там же появились автоматически обновляемые заголовки авторизации для экспортёров OpenTelemetry по HTTP и экспериментальная поддержка одноимённых MCP-серверов в разных окружениях.</p><p>Из исправлений: слишком большие запросы по WebSocket сразу уходят по HTTP без лишних повторов, закрыты гонки при сохранении OAuth-учётных данных MCP при отмене, входе и выходе, а дочерние потоки и обновления разрешений больше не теряют ограничения песочницы. В заметках к версии 0.169.1, вышедшей накануне, основные изменения не перечислены.</p><h2>Какие исправления Claude Code касаются секретов и конфигов</h2><p>В <a href="https://github.com/anthropics/claude-code/releases/tag/v2.1.327">Claude Code 2.1.327</a> команда claude mcp add-json &lt;name&gt; - читает JSON сервера из стандартного ввода, поэтому токены можно не передавать аргументами команды; попадут ли они в историю шелла, зависит от того, как вы подаёте JSON на вход. Внутри сессии Claude Code эта форма недоступна. Там же исправлены три ошибки, которые могли стоить файлов: остановка сервера Remote Control в режиме worktree удаляла git-ignored файлы работающей сессии, например .env; claude mcp add и claude mcp remove с областью проекта стирали из .mcp.json чужие ключи верхнего уровня вроде $schema; /export перезаписывал существующий файл без вопроса.</p><p>Версия <a href="https://github.com/anthropics/claude-code/releases/tag/v2.1.326">2.1.326</a> разрешила включать Code Mode, в котором Claude пишет JavaScript, сам вызывающий инструменты, вместе с agent teams: если Code Mode уже был включён, сессии с командами агентов теперь стартуют в нём. Claude Code также предупреждает при запуске, если значение --allowedTools, --disallowedTools или --tools не похоже на полное правило, а claude purge больше не прячет вопросы при перенаправленном stdout, где одно невидимое нажатие Enter могло удалить данные проекта.</p><p>В <a href="https://github.com/anthropics/claude-code/releases/tag/v2.1.328">2.1.328</a> хуки mcp_tool получили "onFailure": "block", как у command- и HTTP-хуков: если вызов хука упал, действие блокируется. Автоматическая компакция больше не переиспользует прежний системный промпт сессии и пересобирает его так же, как /compact. Команды в zsh со словом, начинающимся с =, например echo ====, больше не падают с ошибкой «not found». Для Claude Opus 4.6 и Sonnet 4.6 на Amazon Bedrock, Google Cloud Agent Platform, Microsoft Foundry и Claude apps gateway добавлен auto mode.</p><h2>Что нового у DeepSeek Harness, Qwen Code и Goose</h2><p>DeepSeek Harness, открытый агентный харнесс DeepSeek с веб-интерфейсом и десктоп-приложением, выпустил два пререлиза. В <a href="https://github.com/deepseek-ai/deepseek-harness/releases/tag/dsh-v0.2.2-rc.4">rc.4</a> от 17 ноября исправлено создание LiveShare в десктопном приложении и обработка неожиданных ответов модели. В <a href="https://github.com/deepseek-ai/deepseek-harness/releases/tag/dsh-v0.2.2-rc.5">rc.5</a> от 18 ноября модели DeepSeek ищут в вебе через серверный поиск DeepSeek без оплаты за каждый запрос, остальные модели по умолчанию используют DeepSeek Search API. В npm пакет @deepseek-ai/dsh версии 0.2.2-rc.5 теперь стоит под тегами latest и next, так что npx @deepseek-ai/dsh web запускает свежую сборку без указания тега.</p><p><a href="https://github.com/QwenLM/qwen-code/releases/tag/v0.28.0">Qwen Code 0.28.0</a> от 17 ноября по умолчанию запускает headless-сессии и TUI на общем агентном цикле, при компакции сохраняет последнюю завершённую операцию и получил полный русский перевод интерфейса Web Shell. В <a href="https://github.com/aaif-goose/goose/releases/tag/v1.60.0">Goose 1.60.0</a> от того же дня расширение Skills заменено встроенной операцией, добавлены провайдеры Cortecs и Onysoft, а логи запросов и временные каталоги на Unix закрыты от других пользователей системы.</p><p>Если вы работаете с GPT-6.2 через OpenCode, обновитесь до 2.3.2: исправление включается само, настраивать ничего не нужно. Тем, кому не подходит фоновая компакция из 2.3.1, нужен compaction.background: false. В Claude Code MCP-серверы с токенами удобнее добавлять через claude mcp add-json &lt;name&gt; - со стандартным вводом.</p><p>Следующие версии уже на подходе: 18 ноября OpenAI опубликовала первую альфу Codex CLI 0.172.0, а у Kimi Code 19 ноября вышли canary-сборки версии 2.7.0. Что войдёт в стабильные релизы, пока не объявлено.</p><p>Источники: <a href="https://github.com/anomalyco/opencode/releases/tag/v2.3.2">OpenCode v2.3.2</a>, <a href="https://github.com/anomalyco/opencode/releases/tag/v2.3.1">OpenCode v2.3.1</a>, <a href="https://github.com/anomalyco/opencode/releases/tag/v2.3.0">OpenCode v2.3.0</a>, <a href="https://github.com/openai/codex/releases/tag/rust-v0.170.0">Codex CLI 0.170.0</a>, <a href="https://github.com/anthropics/claude-code/releases/tag/v2.1.326">Claude Code v2.1.326</a>, <a href="https://github.com/anthropics/claude-code/releases/tag/v2.1.327">Claude Code v2.1.327</a>, <a href="https://github.com/anthropics/claude-code/releases/tag/v2.1.328">Claude Code v2.1.328</a>, <a href="https://github.com/deepseek-ai/deepseek-harness/releases/tag/dsh-v0.2.2-rc.5">DeepSeek Harness 0.2.2-rc.5</a>, <a href="https://github.com/QwenLM/qwen-code/releases/tag/v0.28.0">Qwen Code 0.28.0</a>, <a href="https://github.com/aaif-goose/goose/releases/tag/v1.60.0">Goose 1.60.0</a></p><p>Изображение на обложке: Данные: релиз-ноты OpenCode; оформление Tproger</p>]]></content:encoded>
    </item>
    <item>
      <title>Google выпустила Gemini 4 Neon: кодинг уровня Opus 5.5 почти вдвое дешевле</title>
      <link>https://tproger.ru/news/google-vypustila-gemini-4-neon-koding-urovnya-opus-5-5-pochti-vdv</link>
      <comments>https://tproger.ru/news/google-vypustila-gemini-4-neon-koding-urovnya-opus-5-5-pochti-vdv?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/google-vypustila-gemini-4-neon-koding-urovnya-opus-5-5-pochti-vdv</guid>
      <description><![CDATA[<p>Gemini 4 Neon набрала 59 баллов в кодинг-индексе Artificial Analysis против 58 у Opus 5.5, задача стоит $6,86 против $12,61. Цена API $3 и $15.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/google-vypustila-gemini-4-neon-koding-urovnya-opus-5-5-pochti-vdv">Google выпустила Gemini 4 Neon: кодинг уровня Opus 5.5 почти вдвое дешевле</a>»</p>]]></description>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Thu, 19 Nov 2026 07:07:10 GMT</pubDate>
      <content:encoded><![CDATA[<p>Google 18 ноября <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/">выпустила</a> Gemini 4 Neon, модель между флагманской Carbon и быстрой Hydrogen. В кодинг-индексе Artificial Analysis она набрала 59 баллов против 58 у Claude Opus 5.5 и Claude Fable 5.2, а средняя задача обходится в $6,86 против $12,61 у Opus.</p><p>Для разработчика это ещё одна модель уровня флагманов для агентного кодинга, которая заметно дешевле их за задачу. В API она стоит $3 за миллион входных токенов и $15 за миллион выходных, бесплатного тарифа нет. В Antigravity модель получили платные подписчики Google AI Pro и Ultra, тогда как Carbon там доступна только на Ultra.</p><p>Днём 18 ноября в X <a href="https://x.com/SiftByte/status/2123024745876877747">разошлась</a> неподтверждённая таблица бенчмарков, по которой Neon набирала 67 баллов в общем индексе Artificial Analysis и 71,4% на Terminal-Bench 4.1, а Opus 5.5 обходила в 9 тестах из 10. Эти цифры не подтвердились: в индексе у модели 61 балл, на Terminal-Bench 4.1 65,2%, и Opus 5.5 там впереди. Подтвердилась <a href="https://x.com/SPAC89/status/2122974097936130262">утёкшая</a> цена: $3 и $15 за миллион токенов.</p><ul><li>Gemini 4 Neon вышла 18 ноября в Gemini API, AI Studio, Antigravity и приложении Gemini; идентификатор модели gemini-4-neon.</li><li>Цена $3 и $15 за миллион входных и выходных токенов, кэш $0,15, контекст 1 млн токенов; бесплатного тарифа нет.</li><li>В общем индексе Artificial Analysis 61 балл и третье место после Claude Fable 5.2 (65) и GPT-6.2 Astra (62).</li><li>В кодинг-индексе Artificial Analysis 59 баллов против 58 у Opus 5.5 и Fable 5.2 при цене задачи $6,86 против $12,61 и $15,47.</li><li>Скидка на Carbon ($2 и $10) действует до 30 ноября, с 1 декабря Carbon стоит $4 и $20, и Neon становится дешевле её на 25%.</li></ul><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-19/51295797-cf42-4974-b0f0-7f3ba6539601.webp" alt="Сравнение моделей Gemini 4 Carbon, Neon и Hydrogen: назначение, индекс Artificial Analysis 60, 61 и 54, цены $4/$20, $3/$15 и $1,50/$7,50, уровни рассуждений, подписки и доступность" /><figcaption>Место Neon в семействе Gemini 4. Изображение: Google</figcaption></figure><h2>Где Neon стоит среди флагманов?</h2><p>По <a href="https://x.com/ArtificialAnlys/status/2123170645777526962">замерам Artificial Analysis</a>, независимой лаборатории, которая прогоняет модели через единый набор тестов, Neon на максимальном уровне рассуждений xhigh набирает 61 балл в Intelligence Index v5.0.1. Это третье место: выше только Claude Fable 5.2 на max (65) и GPT-6.2 Astra на max (62). Gemini 4 Carbon на high набирает 60, Claude Opus 5.5 на max 59, GPT-6.2 Sol на max 57.</p><p>Отдельно лаборатория считает индекс кодинг-агентов, где модель работает в своём штатном харнессе. Neon в Antigravity CLI набрала 59 баллов, Fable 5.2 и Opus 5.5 в Claude Code по 58. До Neon первые места в этом рейтинге <a href="https://tproger.ru/news/claude-fable-5-2-i-opus-5-5-vozglavili-rejting-ii-agentov-dlya-ko">делили</a> модели Anthropic. Сама Google в <a href="https://antigravity.google/blog/gemini-4-neon-in-google-antigravity">блоге Antigravity</a> приводит более точное значение: 58,6 и первое место.</p><p>Главная разница в деньгах. Средняя задача кодинг-индекса у Neon стоит $6,86, у Opus 5.5 на max $12,61, у Fable 5.2 на xhigh $15,47.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-19/cc5c7a0e-4f2a-4013-84db-99b1a98116d0.webp" alt="Индекс Artificial Analysis: Claude Fable 5.2 65, GPT-6.2 Astra 62, Gemini 4 Neon 61, Gemini 4 Carbon 60, Claude Opus 5.5 59; ниже график индекса против цены задачи" /><figcaption>Индекс Artificial Analysis и стоимость задачи по уровням рассуждений. Источник: Artificial Analysis</figcaption></figure><h2>Где Opus 5.5 остаётся впереди?</h2><p>В <a href="https://x.com/_mohansolo/status/2123168228415599033">таблице</a>, которую Google опубликовала вместе с релизом, Neon сравнивают с Claude Opus 5.5 и GPT-6.2 Sol. Neon лидирует в большинстве строк, но в двух кодинговых бенчмарках Opus впереди. На Terminal-Bench 4.1, где агент решает задачи в терминале, у Opus 65,8% против 65,2% у Neon. На FrontierCode 2.0, где решение засчитывают, только если мейнтейнер принял бы правку в реальный репозиторий, у Opus 47,3% против 46,2%.</p><p>На SWE-sweep (метрика: награда, взвешенная по подзадачам) разрыв зависит от харнесса. В штатных харнессах у Neon в Antigravity CLI 39,0%, у Opus в Claude Code 10,1%; в общем mini-swe-agent у Neon 12,8%, у Opus 3,6%. Google связывает этот разрыв с возможностями харнесса Antigravity. В чтении плотных графиков (Chartography) впереди GPT-6.2 Sol: 75,1% против 73,5%.</p><p>Таблица сводит собственные замеры Google и внешние: по <a href="https://deepmind.google/models/evals-methodology/gemini-4-neon">методологии DeepMind</a>, часть результатов, включая Terminal-Bench 4.1 для Neon, получена у Artificial Analysis, Vals AI и Cursor или взята из публичных рейтингов и отчётов разработчиков конкурирующих моделей.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-19/7520c53e-00db-42d5-b1b4-7e2d0ec4b3cd.webp" alt="Таблица бенчмарков Google: Gemini 4 Neon против Claude Opus 5.5 и GPT-6.2 Sol по 19 тестам, Opus впереди на Terminal-Bench 4.1 и FrontierCode 2.0, Sol на Chartography" /><figcaption>Официальная таблица бенчмарков. Источник: Google</figcaption></figure><h2>Чем Neon отличается от Carbon?</h2><p>По данным Artificial Analysis, в общем индексе Neon на балл выше Carbon, но задача обходится в $6,44 против $7,76 и решается примерно за 21 минуту против 36. Выходных токенов на задачу Neon на xhigh тратит примерно на 15% больше, чем Carbon на high, так что экономия идёт только от цены за токен. Выводит она около 110 токенов в секунду против 57 у Carbon. Лаборатория считала Carbon по стандартной цене, без нынешней скидки.</p><p>На стандартном уровне high, по замерам Artificial Analysis, Neon догоняет Carbon на high меньше чем за половину цены задачи. Google в анонсе называет более скромную цифру: на 32% дешевле Carbon за задачу. Ещё у Neon четыре уровня рассуждений (low, medium, high и xhigh), у Carbon их три, без xhigh.</p><p>Кроме кода, Artificial Analysis отмечает прирост в работе с визуальными документами. На GDP.pdf у Neon на high 33,4% против 28,4% у Carbon, а в AA-Briefcase в категории качества оформления результатов (таблицы, презентации, записки) модель стала первой с 1771 баллом Эло, на 45 выше прежнего лидера Claude Sonnet 5.5.</p><p>Варун Мохан из команды Antigravity <a href="https://x.com/_mohansolo/status/2123168228415599033">написал</a>, что Neon «дешевле, быстрее и аккуратнее в поведении», чем Carbon. Google в анонсе пишет о самом низком уровне выдуманных результатов во внутренних тестах Antigravity и о 2,45% задач, где модель срезала углы в собственном тесте на жульничество в коде.</p><h2>Как устроен Orchestrator в Antigravity?</h2><p>Вместе с моделью Google <a href="https://antigravity.google/blog/gemini-4-neon-in-google-antigravity">обновила</a> режим Orchestrator в Antigravity: теперь в одной сессии можно поставить Neon планировщиком, а Hydrogen исполнителем. Neon берёт на себя план, архитектуру и сложные рассуждения, а рутинные правки, обновление пакетов и прогон тестов отдаёт <a href="https://tproger.ru/news/google-vypustila-gemini-4-hydrogen-s-besplatnym-dostupom-v-api">Hydrogen</a>. Если исполнитель упирается в проблему, задача возвращается к Neon, та смотрит состояние, правит план и продолжает.</p><p>По замыслу Google, так тяжёлая модель тратит квоту только там, где нужна её глубина. Neon доступна в десктопном приложении Antigravity, Antigravity CLI и расширениях для IDE.</p><h2>Сколько стоит и кому подходит?</h2><ul><li>Стандартный тариф <a href="https://ai.google.dev/gemini-api/docs/pricing#gemini-4-neon">Gemini API</a>: $3 за миллион входных токенов, $15 за миллион выходных, включая токены рассуждений; кэшированный вход $0,15, только неявный кэш.</li><li>Пакетная обработка (Batch): $1,50 и $7,50 за миллион токенов.</li><li>Бесплатного уровня нет, в отличие от Hydrogen, у которой он есть.</li><li>Carbon до 30 ноября стоит $2 и $10, с 1 декабря $4 и $20.</li></ul><p>На практике до конца ноября Carbon за токен дешевле Neon, но медленнее и тратит больше времени на задачу. С 1 декабря Neon дешевле Carbon на 25% по каждому токену. Тем, кто сидит на бесплатном тарифе Gemini API, Neon ничего не меняет: для них остаётся Hydrogen.</p><p>Чтобы попробовать модель в API, укажите идентификатор gemini-4-neon на платном тарифе. В Antigravity Neon выбирается в списке моделей у подписчиков Google AI Pro и Ultra.</p><p>Версия для киберзащиты, Gemini 4 Neon for cyber, в ближайшие дни начнёт приходить участникам программы Fairwind, так же как раньше раздавали <a href="https://tproger.ru/news/google-anonsirovala-gemini-4-carbon-s-uporom-na-kiberbezopasnost">Carbon</a>. Neon стала четвёртой моделью Google за семь недель, по подсчёту Artificial Analysis.</p><p>Источники: <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/">Google: Introducing Gemini 4 Neon</a>, <a href="https://antigravity.google/blog/gemini-4-neon-in-google-antigravity">Google Antigravity: Gemini 4 Neon in Google Antigravity</a>, <a href="https://ai.google.dev/gemini-api/docs/pricing#gemini-4-neon">Gemini API: цены</a>, <a href="https://x.com/ArtificialAnlys/status/2123170645777526962">Artificial Analysis в X: оценка Gemini 4 Neon</a>, <a href="https://x.com/_mohansolo/status/2123168228415599033">Варун Мохан в X: таблица бенчмарков</a>, <a href="https://deepmind.google/models/evals-methodology/gemini-4-neon">Google DeepMind: методология оценки Gemini 4 Neon</a></p><p>Изображение на обложке: Изображение: Google</p>]]></content:encoded>
    </item>
    <item>
      <title>Ошибка HTTP/2 в nginx жила с 2015 года: обновите сервер до 1.31.9</title>
      <link>https://tproger.ru/news/owibka-http-2-v-nginx-zhila-s-2015-goda-obnovite-server-do-1-31</link>
      <comments>https://tproger.ru/news/owibka-http-2-v-nginx-zhila-s-2015-goda-obnovite-server-do-1-31?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/owibka-http-2-v-nginx-zhila-s-2015-goda-obnovite-server-do-1-31</guid>
      <description><![CDATA[<p>CVE-2026-123007 бьёт по nginx с 1.9.5, CVE-2026-123633 — с 1.19.7; Wiz подтвердила RCE без входа на 1.31.8. Что обновить и как отключить HTTP/2.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/owibka-http-2-v-nginx-zhila-s-2015-goda-obnovite-server-do-1-31">Ошибка HTTP/2 в nginx жила с 2015 года: обновите сервер до 1.31.9</a>»</p>]]></description>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[DevOps]]></category>
      <category><![CDATA[Информационная безопасность]]></category>
      <category><![CDATA[Уязвимость]]></category>
      <category><![CDATA[Сервер]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 14:04:45 GMT</pubDate>
      <content:encoded><![CDATA[<p>Разработчики nginx 18 ноября выпустили версии 1.31.9 (mainline) и 1.30.7 (stable), которые <a href="https://nginx.org/en/security_advisories.html">закрывают 10 уязвимостей</a> (в stable-ветке их девять). Главная из них, CVE-2026-123007 — порча памяти в механизме управления потоком HTTP/2, затрагивает версии с 1.9.5 по 1.31.8, то есть код с 2015 года. Исследователи Wiz <a href="https://www.wiz.io/blog/nginx-http2-rce-vulnerabilities">утверждают</a>, что она и ещё одна ошибка HTTP/2 позволяют удалённо и без авторизации выполнить код на сервере.</p><p>nginx стоит на входе у многих веб-проектов: терминирует HTTPS, раздаёт статику и проксирует запросы в приложения и API. Если на сервере включён HTTP/2, а его часто включают вместе с HTTPS, обновление нужно ставить в приоритетном порядке, даже если код самого приложения безопасен. Ошибки сидят в самом nginx, и для атаки не нужен баг в бэкенде.</p><ul><li>nginx 1.31.9 закрывает 10 CVE, 1.30.7 — 9 (одна ошибка есть только в mainline); три из них разработчики оценили как major, включая CVE-2026-123007 в HTTP/2 (уязвимы версии 1.9.5–1.31.8).</li><li>Wiz оценивает CVE-2026-123007 и CVE-2026-123633 в 9,2 по CVSS 4.0 и сообщает о подтверждённом RCE без авторизации с обходом ASLR; для CVE-2026-123007 — на официальных сборках 1.31.7 и 1.31.8.</li><li>Обе ошибки срабатывают только при включённом HTTP/2; временная мера до обновления — отключить HTTP/2.</li><li>Те же баги независимо нашли пять команд: Wiz, Ikotas Labs, Metnir, Rapid7 и Xint; Wiz искала их с помощью собственного ИИ-сканера.</li><li>Эксплойты Wiz не публикует; в NGINX Plus обе ошибки закрыты только в 37.0.8.1 и 37.3.0.1 (37.0.7.1 и 37.2.0.1 исправляют лишь CVE-2026-123633).</li></ul><h2>Какие версии уязвимы и что исправлено?</h2><p>По <a href="https://nginx.org/en/security_advisories.html">странице безопасности nginx</a>, все уязвимости ниже исправлены в 1.31.9 и 1.30.7, кроме одной, которая касается только mainline. Уровень опасности указан по шкале разработчиков nginx: major, medium или minor.</p><p>Уязвимости, закрытые в nginx 1.31.9 и 1.30.7</p><table><thead><tr><th>CVE</th><th>Что сломано</th><th>Опасность по nginx</th><th>Уязвимые версии</th></tr></thead><tbody><tr><td>CVE-2026-123007</td><td>Порча памяти в управлении потоком HTTP/2</td><td>major</td><td>1.9.5–1.31.8</td></tr><tr><td>CVE-2026-118899</td><td>Бесконечный цикл при чтении тела запроса по TLS 1.3</td><td>major</td><td>1.13.0–1.31.8</td></tr><tr><td>CVE-2026-113425</td><td>Use-after-free в почтовом прокси</td><td>major</td><td>0.5.33–1.31.8</td></tr><tr><td>CVE-2026-123633</td><td>Use-after-free в HTTP/2</td><td>medium</td><td>1.19.7–1.31.8</td></tr><tr><td>CVE-2026-121810</td><td>Use-after-free в HTTP/3</td><td>medium</td><td>1.25.0–1.31.8</td></tr><tr><td>CVE-2026-123634</td><td>Use-after-free в resolver</td><td>medium</td><td>0.6.18–1.31.8</td></tr><tr><td>CVE-2026-120967</td><td>Обход SNI при проверке клиентских сертификатов в stream</td><td>medium</td><td>1.25.5–1.31.8</td></tr><tr><td>CVE-2026-125283</td><td>Переполнение буфера при alias вместе с try_files</td><td>minor</td><td>0.9.6–1.31.8</td></tr><tr><td>CVE-2026-123640</td><td>Недостаточная проверка в ssl_preread</td><td>minor</td><td>1.15.2–1.31.8</td></tr><tr><td>CVE-2026-120993</td><td>Разыменование NULL при PROXY protocol v2</td><td>minor</td><td>1.31.4–1.31.8, исправлено только в 1.31.9</td></tr></tbody></table><p>Источник: nginx security advisories</p><p>Из <a href="https://nginx.org/en/CHANGES">журнала изменений</a> видно, кто нашёл ошибки: четыре из десяти принёс Xint.io, CVE-2026-123633 — Albert из Vexera AI, обход SNI — CERT.PL. Про CVE-2026-123007 журнал говорит сдержанно: переполнение окна управления потоком в HTTP/2 «может позволить атакующему вызвать segmentation fault в рабочем процессе или иметь другие потенциальные последствия» (перевод редакции). Про CVE-2026-123633 — что use-after-free может случиться при HTTP/2, если не хватает worker_connections.</p><p>Помимо уязвимостей mainline-релиз 1.31.9 меняет поведение (в stable 1.30.7 этих изменений нет): строки заголовков без двоеточия теперь отклоняются, как и запрос с chunked-телом, в котором слишком много служебной разметки. Если какой-то нестандартный клиент шлёт такие запросы, после обновления он начнёт получать ошибки.</p><h2>Почему Wiz называет это удалённым выполнением кода?</h2><p>На странице nginx.org уязвимости описаны сдержанно: «memory corruption» и «use-after-free», а в changelog — падение рабочего процесса «или другие последствия». Бюллетени F5 (<a href="https://my.f5.com/manage/s/article/K000163926">K000163926</a>, <a href="https://my.f5.com/manage/s/article/K000163928">K000163928</a>) прямо допускают выполнение кода, если ASLR отключён или обойдён, и дают обеим ошибкам 9,2 балла из 10 по CVSS 4.0. Практическую демонстрацию описывает <a href="https://www.wiz.io/blog/nginx-http2-rce-vulnerabilities">отчёт Wiz</a>: компания пишет, что подтвердила выполнение кода с обходом ASLR для обеих ошибок, а для CVE-2026-123007 — на официальных сборках nginx 1.31.7 и 1.31.8. Эксплойты Wiz не публикует.</p><p>CVE-2026-123007 Wiz описывает так. При HTTP/2 nginx хранит «кредит» соединения — сколько данных ещё можно отправить клиенту — в счётчике h2c-&gt;send_window. Если поток отменяют, пока его данные стоят в очереди, функция очистки возвращает неотправленный объём в счётчик и не проверяет, что тот не превысил максимум протокола. Клиент, который успел тем временем расширить окно кадрами WINDOW_UPDATE, может вытолкнуть счётчик за предел.</p><p>Дальше срабатывает цепочка. Проверка при следующем WINDOW_UPDATE вычитает текущее окно из максимума в беззнаковом типе, разность «заворачивается» в огромное число, и проверка пропускает новые увеличения. В ngx_http_v2_send_chain() гигантское значение приводится к знаковому off_t и становится отрицательным, у буфера ответа конец оказывается раньше начала, а в ngx_ssl_send_chain() это превращается в копирование памяти за границами. По словам Wiz, так можно читать память, портить кучу и выполнить код. Путь работает при HTTP/2 поверх TLS на 64-битных системах и, что важно, на обычной раздаче статических файлов, без бэкенда и сторонних модулей.</p><p>CVE-2026-123633 — другой механизм. nginx держит список «переиспользуемых» соединений, которые можно закрыть, если кончаются слоты. HTTP/2-соединение попадает туда, пока на нём нет активных запросов. Wiz отправляет заголовки запроса не целиком, соединение помечается как переиспользуемое, а после досылки заголовков запрос начинает обрабатываться, но из списка соединение не убирается. Когда nginx открывает соединение к бэкенду и свободных слотов мало, он может закрыть именно это соединение и освободить его память, хотя запрос продолжает ею пользоваться. Поэтому эта уязвимость, по оценке Wiz, вероятнее эксплуатируется в конфигурации обратного прокси.</p><p>Сама Wiz оговаривается, что такие ошибки трудно эксплуатировать удалённо: нужно раскрыть адреса памяти, разложить кучу и учесть разные версии, сборки и конфигурации nginx. Но, напоминает компания, массовые атаки обычно начинаются с коробочных продуктов, где у тысяч клиентов одна и та же сборка и конфигурация. CDN и WAF, которые сами терминируют HTTP/2, могут частично мешать атаке, но это зависит от реализации.</p><h2>Пять команд и ИИ: как нашли баги десятилетней давности</h2><p>По хронологии Wiz, компания сообщила F5 (владельцу nginx) об уязвимости CVE-2026-123633 21 октября, и F5 ответила, что ту же ошибку уже прислала другая команда. 10 ноября F5 передала патч на проверку, 16 ноября Wiz сообщила о второй уязвимости, а 17 ноября F5 подтвердила, что она совпадает с уже известной CVE-2026-123007 и войдёт в релиз 18 ноября. Всего обе ошибки независимо нашли пять команд: Wiz, Ikotas Labs, Metnir, Rapid7 и Xint.</p><p>Wiz пишет, что нашла обе ошибки с помощью Wiz Atlas — внутреннего харнесса своего ИИ-сканера кода, а для проверки, что баги действительно ведут к выполнению кода, исследователи использовали модели <a href="https://tproger.ru/news/google-anonsirovala-gemini-4-carbon-s-uporom-na-kiberbezopasnost">Gemini 4 Carbon</a> и ChatGPT 5.6 Sol. Ошибка в управлении потоком прожила в коде больше десяти лет, use-after-free — почти шесть. Wiz прямо ставит эту историю в один ряд с PHP2Shell и <a href="https://tproger.ru/news/java4shell-v-base64-dekodere-openjdk-nawli-rce-obnovite-jdk">Java4Shell в OpenJDK</a>, раскрытой днём раньше: по мнению компании, ИИ снимает барьер сложности, который годами защищал такие ошибки от поиска, и сокращает время между публикацией исправления и атаками. Похожий сюжет был и с <a href="https://tproger.ru/news/openai-codex-sobral-desyatiletnie-dos-ataki-v-http-2-bomb">HTTP/2 Bomb, которую собрал Codex</a>.</p><h2>Что делать администратору</h2><ol><li>Проверьте версию: nginx -v. Сверьте её с диапазонами в таблице выше: у каждой CVE своя нижняя граница, а у двух критичных ошибок HTTP/2 это 1.9.5 и 1.19.7. Девять CVE исправлены в обеих ветках, в 1.30.7 (stable) и 1.31.9 (mainline); CVE-2026-120993 касается только mainline и закрыта в 1.31.9. Пакеты дистрибутивов часто несут старый номер с бэкпортами, поэтому сверяйтесь с бюллетенем своего дистрибутива.</li><li>Проверьте, включён ли HTTP/2: ищите директиву http2 on; и параметр http2 в listen. Именно такие серверы под угрозой по двум критичным CVE.</li><li>Обновитесь до nginx 1.31.9 или 1.30.7. Для NGINX Plus Wiz указывает исправленные сборки 37.0.7.1 и 37.2.0.1 для CVE-2026-123633 и 37.0.8.1 и 37.3.0.1 для CVE-2026-123007. Не забудьте Docker-образы и ingress-контроллеры, где nginx зашит в образ.</li><li>Если обновиться сразу нельзя, Wiz советует временно отключить HTTP/2: в nginx 1.25.1 и новее <a href="https://nginx.org/en/docs/http/ngx_http_v2_module.html#http2">директивой</a> http2 off; в нужных блоках server, плюс убрать параметр http2 из всех listen. Затем проверить совместимость приложений, перезагрузить конфигурацию и убедиться, что старые рабочие процессы завершились. После обновления HTTP/2 можно включить обратно.</li><li>Отдельно оцените, нужны ли вам почтовый прокси, HTTP/3 и модуль stream с ssl_preread: в них тоже закрыты ошибки, а неиспользуемые модули проще выключить.</li></ol><p>Как заметить атаку. Wiz называет общие тревожные признаки, которые не являются подтверждёнными индикаторами именно этих уязвимостей: неожиданные падения рабочих процессов nginx (в error.log — «worker process exited on signal 11») и команды, запущенные от имени nginx. Для CVE-2026-123007 атакующему нужно отправить очень много кадров WINDOW_UPDATE, поэтому подозрительны долгоживущие HTTP/2-соединения с большим объёмом трафика.</p><p>Это второй выпуск исправлений безопасности nginx за пять недель: 14 октября версии 1.31.7 и 1.30.6 закрыли пять уязвимостей, а в сентябре мы <a href="https://tproger.ru/news/nginx-1-31-5-marwrutiziruet-po-telu-json-a-njs-1-0-1-zakryl-tri">писали о 1.31.5</a>, где njs 1.0.1 исправил ещё три CVE. Дальше стоит следить за бюллетенями F5 по NGINX Plus, за обновлением пакетов в вашем дистрибутиве и за образами ingress-контроллеров Kubernetes, которые выходят по своему графику.</p><p>Источники: <a href="https://nginx.org/en/security_advisories.html">nginx security advisories</a>, <a href="https://nginx.org/">nginx: новости, 18 ноября 2026</a>, <a href="https://nginx.org/en/CHANGES">nginx CHANGES 1.31.9</a>, <a href="https://www.wiz.io/blog/nginx-http2-rce-vulnerabilities">Wiz: NGINX HTTP/2 RCE vulnerabilities</a>, <a href="https://my.f5.com/manage/s/article/K000163926">F5 K000163926 (CVE-2026-123007)</a>, <a href="https://my.f5.com/manage/s/article/K000163928">F5 K000163928 (CVE-2026-123633)</a></p><p>Изображение на обложке: NGINX</p>]]></content:encoded>
    </item>
    <item>
      <title>Tencent открыла веса Hy4 Flash — дешёвой модели для документов и агентов</title>
      <link>https://tproger.ru/news/tencent-otkryla-vesa-hy4-flash-dewyovoj-modeli-dlya-dokumentov-i</link>
      <comments>https://tproger.ru/news/tencent-otkryla-vesa-hy4-flash-dewyovoj-modeli-dlya-dokumentov-i?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/tencent-otkryla-vesa-hy4-flash-dewyovoj-modeli-dlya-dokumentov-i</guid>
      <description><![CDATA[<p>Hy4 Flash на 220 млрд параметров работает с 12 млрд активных и контекстом 1 млн токенов; в API стоит $0,035 за миллион входных токенов, в коде слабее DeepSeek.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/tencent-otkryla-vesa-hy4-flash-dewyovoj-modeli-dlya-dokumentov-i">Tencent открыла веса Hy4 Flash — дешёвой модели для документов и агентов</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:59:17 GMT</pubDate>
      <content:encoded><![CDATA[<p>Tencent 17 ноября выложила в открытый доступ веса Hy4 Flash — самой дешёвой в работе модели своей линейки Hy: 220 млрд параметров, из которых на токен работают около 12 млрд, вход текстом и картинками и контекст до 1 млн токенов. Веса лежат на <a href="https://huggingface.co/tencent/Hy4-flash">Hugging Face</a>, ModelScope и GitCode в трёх вариантах: инструктивная модель, её FP8-версия и базовая предобученная. Лицензия разрешает коммерческое использование, но крупным компаниям, которые продают доступ к модели как к сервису, нужен отдельный договор с Tencent.</p><p>Для разработчика это ещё одна дешёвая модель для агентов, которые работают с документами, таблицами, презентациями и браузером: через <a href="https://openrouter.ai/tencent/hy4-flash">OpenRouter</a> она стоит $0,035 за миллион входных токенов и $0,14 за миллион выходных. Для кода она подходит хуже: на Terminal-Bench 4.0 модель набирает вдвое меньше, чем DeepSeek-V4.1-Flash, и сама Tencent советует для долгих задач по программированию старшую Hy4. Запустить веса локально можно, но самые лёгкие сборки весят от 126 ГиБ, а поддержка в llama.cpp пока живёт в ещё не влитой ветке.</p><ul><li>Hy4 Flash — MoE на 220 млрд параметров (из них 63,5 млрд — таблица n-грамм Engram), активно 11,3 млрд на текст плюс 0,43 млрд на зрение, контекст 1 048 576 токенов.</li><li>По внутреннему тесту Tencent WorkIndex модель набирает 42,1 балла против 39,7 у Hy4 preview при стоимости задачи в 13 раз ниже; это замер вендора.</li><li>В коде модель слабее конкурентов того же класса: Terminal-Bench 4.0 — 19,2 против 40,0 у DeepSeek-V4.1-Flash-1017 и 35,4 у GLM-5.3-Flash.</li><li>Лицензия Tencent Hy License 1.0 основана на Apache 2.0; отдельный договор нужен только MaaS-бизнесу с выручкой больше $50 млн или продуктом больше 100 млн MAU.</li><li>GGUF-сборки от команды AngelSlim весят от 126 до 157 ГиБ; на Mac с M5 Max и 128 ГБ памяти Q4_K_M выдаёт около 48 токенов в секунду, по замерам AngelSlim.</li></ul><h2>Что выпустила Tencent и где это взять?</h2><p>Hy (раньше Hunyuan) — семейство моделей Tencent. Hy4 Flash — облегчённая версия флагманской Hy4: модель обучали самодистилляцией из Hy4, а затем обучением с подкреплением, которое, по данным <a href="https://huggingface.co/tencent/Hy4-flash">карточки модели</a>, вдвое сократило среднее число выходных токенов за полное выполнение задачи. Через API модель появилась раньше весов: на OpenRouter её добавили 16 ноября, карточки на Hugging Face созданы 17 ноября.</p><ul><li><a href="https://huggingface.co/tencent/Hy4-flash">Hy4 flash</a> — инструктивная модель в BF16, 148 файлов safetensors;</li><li><a href="https://huggingface.co/tencent/Hy4-flash-FP8">Hy4 flash-FP8</a> — квантизированная в FP8 версия, её Tencent использует в примерах для vLLM и SGLang;</li><li><a href="https://huggingface.co/tencent/Hy4-flash-base">Hy4 flash-base</a> — предобученная модель без инструктивной донастройки, для своего дообучения;</li><li><a href="https://huggingface.co/AngelSlim/Hy4-flash-GGUF">Hy4-flash-GGUF</a> — пять квантизированных сборок для llama.cpp от команды AngelSlim из Tencent; в карточке они названы версией «для сквозного тестирования».</li></ul><p>У модели два режима рассуждений: reasoning_effort="high" (по умолчанию, с размышлением) и "no_think" для прямых ответов. Рекомендованные параметры сэмплирования — temperature 0,9 и top_p 1,0.</p><h2>Почему она дешёвая: как устроена архитектура</h2><p>Почти вся экономия заложена в архитектуру. Модель смешанных экспертов (MoE): в каждом из 41 MoE-слоя 512 экспертов, на каждый токен включаются 16 из них плюс один общий. Ещё один слой плотный, всего 42 слоя. Эксперты работают в сжатом латентном пространстве размерности 1 536 — Tencent называет это LatentMoE.</p><p>Второй приём — гибридное внимание. 12 слоёв используют разреженное внимание IndexPool, которое выбирает из всего контекста до 2 048 токенов, а 30 слоёв смотрят только на окно из последних 512 токенов. Поэтому KV-кэш, по данным Tencent, в 24 раза меньше, чем у Hy3, и в 6 раз меньше, чем у Hy4: это и позволяет держать контекст в миллион токенов без огромной памяти.</p><p>Третий — Engram, обученные представления биграмм и триграмм, которые модель достаёт из хэш-таблиц на четырёх слоях. Таблица занимает 63,5 млрд параметров из 220 млрд, но в вычислениях почти не участвует: это поиск по таблице, а не умножение матриц. Без Engram, зрительного энкодера и драфтера в модели 155,5 млрд параметров.</p><p>Hy4 Flash в цифрах</p><table><thead><tr><th>Параметр</th><th>Значение</th></tr></thead><tbody><tr><td>Всего параметров</td><td>220 млрд (с Engram, ViT и DFly2)</td></tr><tr><td>Активно на токен</td><td>11,3 млрд (текст) + 0,43 млрд (зрение)</td></tr><tr><td>Таблица Engram</td><td>63,5 млрд</td></tr><tr><td>Контекст</td><td>1 048 576 токенов</td></tr><tr><td>Слои</td><td>42: 1 плотный и 41 MoE</td></tr><tr><td>Эксперты</td><td>16 из 512 + 1 общий</td></tr><tr><td>Внимание</td><td>12 разреженных слоёв + 30 со скользящим окном 512</td></tr><tr><td>Зрение</td><td>энкодер на основе SigLIP2-So400m, 0,43 млрд</td></tr><tr><td>Драфтер DFly2</td><td>5 слоёв, 0,85 млрд</td></tr></tbody></table><p>Для ускорения генерации в модель встроен драфтер DFly2 на 0,85 млрд параметров для спекулятивного декодирования: маленькая сеть предлагает несколько токенов вперёд, большая их проверяет. DFly2 использует тот же KV-кэш и те же выбранные позиции, что и основная модель, поэтому, по словам Tencent, не требует отдельного KV-кэша и стоит одинаково при любой длине контекста. С мегаядрами, 4-битной квантизацией и DFly2 скорость генерации, по замеру компании, превышает 150 токенов в секунду.</p><h2>Насколько она хороша: цифры Tencent и независимый тест</h2><p>Почти все цифры ниже — замеры самой Tencent. Главный аргумент компании — WorkIndex, внутренний набор из восьми тестов на типичные задачи её ИИ-ассистента WorkBuddy: создание и правка презентаций, совместное редактирование Markdown, правка документов, починка таблиц, обработка аудио и видео, понимание изображений. Hy4 Flash набирает 42,1 балла против 39,7 у Hy4 preview и 51,4 у полной Hy4, а средняя стоимость задачи у неё в 13 раз ниже, чем у Hy4 preview, в 20 раз ниже, чем у Hy4, и в 8 раз ниже, чем у DeepSeek-V4.1-Flash-1017 по пиковым ценам.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-18/e54c5897-c0ca-47d6-875a-ba6aa25f7b36.webp" alt="График: средний балл на открытых агентных бенчмарках против стоимости задачи в юанях для Hy4 flash, DeepSeek-V4.1-Flash-1017, Qwen3.8-Flash-Next, GLM-5.3-Flash, GPT-6 Luna и моделей Hy4" /><figcaption>Средний балл на семи открытых агентных бенчмарках и стоимость задачи в юанях (логарифмическая шкала). Источник: Tencent, карточка Hy4 Flash</figcaption></figure><p>На семи открытых агентных бенчмарках картина неоднородная. Модель сильна там, где агент работает с офисными задачами и интерфейсом, и заметно отстаёт в программировании:</p><p>Открытые бенчмарки: Hy4 Flash и модели того же класса (замер Tencent)</p><table><thead><tr><th>Бенчмарк</th><th>Hy4 Flash</th><th>DeepSeek-V4.1-Flash-1017</th><th>GLM-5.3-Flash</th><th>GPT-6 Luna</th><th>Hy4</th></tr></thead><tbody><tr><td>DeepSWE v1.1</td><td>64,6</td><td>73,8</td><td>67,8</td><td>67,1</td><td>74,9</td></tr><tr><td>Terminal-Bench 4.0</td><td>19,2</td><td>40,0</td><td>35,4</td><td>13,3</td><td>44,4</td></tr><tr><td>ProgramBench (Almost Solved)</td><td>16,0</td><td>29,0</td><td>13,0</td><td>6,0</td><td>30,0</td></tr><tr><td>APEX-Agents v1.1</td><td>63,1</td><td>72,9</td><td>51,5</td><td>44,7</td><td>75,2</td></tr><tr><td>AutomationBench v1.0.6</td><td>52,2</td><td>54,3</td><td>48,4</td><td>38,1</td><td>56,2</td></tr><tr><td>HLE-Full (с инструментами)</td><td>55,2</td><td>57,1</td><td>52,2</td><td>49,7</td><td>59,1</td></tr><tr><td>OSWorld 2.1 (частичный балл)</td><td>68,1</td><td>68,4</td><td>64,0</td><td>55,7</td><td>78,9</td></tr></tbody></table><p>Условия замера Tencent описала в примечаниях: каждая модель запускалась на максимальном доступном уровне рассуждений, DeepSWE и ProgramBench — через mini-SWE-agent, Terminal-Bench 4.0 — в харнессе Claude Code с лимитом 500 ходов и 13 часов на попытку. Стоимость посчитана по официальным ценам API с курсом 7,2 юаня за доллар. Стоимость задачи у Hy4 Flash самая низкая почти везде: например, 0,29 юаня на DeepSWE против 1,30 у DeepSeek-V4.1-Flash-1017 и 3,23 у GLM-5.3-Flash.</p><p>Есть и слепое сравнение: 85 внутренних пользователей WorkBuddy оценили 259 задач из 27 категорий. Hy4 Flash получила 2,79 балла из 4 против 2,81 у Claude Haiku 5.5 при медианном времени выполнения 6,7 минуты и стоимости 0,26 юаня за задачу. Выборка внутренняя, поэтому это тоже аргумент вендора.</p><p>Одна из независимых проверок — Plotly. Компания прогнала модель на своём закрытом экзамене по анализу данных из 43 вопросов (<a href="https://plotly.com/blog/hy4-flash-plotly-data-analytics-bench/">публикация от 16 ноября</a>): Hy4 Flash ответила верно на 39, полный прогон стоил $0,13. GPT-6 Luna при той же цене набрала 38, полная Hy4 — 42 за $2,11, Claude Haiku 5.5 — 37 за $0,38, DeepSeek V4.1 Flash — 36 за $0,46. Plotly предупреждает, что каждую модель запускали один раз, а в повторных прогонах результат гуляет до трёх баллов, так что разницу в один-два вопроса стоит считать ничьей.</p><h2>Можно ли запустить её у себя?</h2><p>Можно, но это не модель для обычной видеокарты. Для продакшена Tencent рекомендует vLLM или SGLang: в примерах FP8-версия запускается на восьми GPU с тензорным параллелизмом (--tensor-parallel-size 8), для обоих движков выпущены готовые Docker-образы vllm/vllm-openai:hy4-flash и lmsysorg/sglang:hy4-flash, есть <a href="https://recipes.vllm.ai/tencent/Hy4-flash">рецепт vLLM</a>. Поддержка в Transformers пока живёт в <a href="https://github.com/huggingface/transformers/pull/50903">пулреквесте 50903</a>, его нужно ставить из ветки.</p><p>Для локального запуска есть <a href="https://huggingface.co/AngelSlim/Hy4-flash-GGUF">GGUF-сборки</a>. Самая лёгкая, IQ2-AH, весит 125,73 ГиБ, стандартная Q4_K_M — 156,79 ГиБ. Поддержка архитектуры в llama.cpp пока в <a href="https://github.com/ggml-org/llama.cpp/pull/32517">пулреквесте 32517</a>, который не влит, поэтому собирать нужно из этой ветки:</p><p>Скорость команда AngelSlim замеряла на двух машинах со 128 ГБ памяти. На Mac с M5 Max сборка Q4_K_M генерирует 48 токенов в секунду при контексте 4 тыс. и 44 при 32 тыс., Q3_K — 50 и 47; на генерации кода Q3_K доходит до 70 токенов в секунду. Для Mac нужен отдельный патч к конкретному коммиту llama.cpp из репозитория сборок. На RTX Spark с 128 ГБ варианты SPARK-4Bit выдают 26–33 токена в секунду.</p><p>Для дообучения Tencent положила в репозиторий <a href="https://huggingface.co/tencent/Hy4-flash/blob/main/finetune/README.md">готовые конфигурации</a> для LLaMA-Factory, ms-swift и DeepSpeed, в том числе LoRA и варианты для мультимодальных данных.</p><h2>Что разрешает лицензия</h2><p>Модель выпущена под <a href="https://huggingface.co/tencent/Hy4-flash/blob/main/LICENSE">Tencent Hy License 1.0</a>. Это отдельная лицензия на основе Apache 2.0 с добавленным разделом 10 о коммерческих условиях для сервисов модели как услуги (MaaS) — тех, кто даёт третьим лицам удалённый доступ к инференсу или дообучению, например через API. Лицензия всемирная, ограничений по странам в тексте нет.</p><ul><li>Использовать, менять, дообучать и распространять модель можно бесплатно, в том числе в коммерческих продуктах.</li><li>Отдельная письменная лицензия Tencent нужна MaaS-бизнесу, если его общая выручка превышает $50 млн за любые 12 месяцев подряд, или если модель используется в продукте с более чем 100 млн активных пользователей в месяц.</li><li>Под MaaS не попадают продукты, где модель встроена в конкретные функции без доступа к ней общего назначения, и простая переадресация запросов в чужой сервис.</li><li>Внутреннее использование, когда ни модель, ни её ответы не доступны третьим лицам, под ограничения не попадает.</li><li>Условия раздела 10 переходят на производные: дообученные, квантизированные и дистиллированные версии.</li></ul><h2>Кому стоит попробовать</h2><p>По нашей оценке, Hy4 Flash интересна как дешёвая рабочая модель для агентов, которые читают и правят документы, таблицы и презентации, ищут в интернете и управляют интерфейсом: сама Tencent рекомендует её для глубокого поиска, обработки документов, создания слайдов, простых фронтенд-демо и управления компьютером. Для кодинг-агента цифры Terminal-Bench и ProgramBench говорят против неё, на Terminal-Bench у DeepSeek-V4.1-Flash и GLM-5.3-Flash заметный запас, а на ProgramBench Hy4 Flash уступает DeepSeek, но опережает GLM; как выбирали модель для кода по цене решённой задачи, мы разбирали <a href="https://tproger.ru/news/na-chyom-kodit-v-sentyabre-cena-rewyonnoj-zadachi-u-glm-5-3-sol-i">в сентябре</a>.</p><p>Проверить модель проще всего через API OpenRouter, где Tencent пока единственный провайдер; цены сторонних хостеров появятся, если модель подхватят. Для локального запуска проверенные конфигурации пока такие: Mac или RTX Spark со 128 ГБ памяти и сборка llama.cpp из ветки пулреквеста. Другие открытые модели, которые помещаются на одну видеокарту, — в <a href="https://tproger.ru/articles/otkrytye-nejroseti-sentyabrya-2026-nawlis-pod-lyubuyu-videokartu-i">нашей подборке</a>.</p><p>Источники: <a href="https://huggingface.co/tencent/Hy4-flash">Hugging Face: карточка Hy4 flash</a>, <a href="https://huggingface.co/tencent/Hy4-flash/blob/main/LICENSE">Tencent Hy License 1.0</a>, <a href="https://huggingface.co/AngelSlim/Hy4-flash-GGUF">AngelSlim: Hy4-flash-GGUF</a>, <a href="https://hy.tencent.ai/research/hy4-flash">Tencent Hy: страница Hy4 flash</a>, <a href="https://openrouter.ai/tencent/hy4-flash">OpenRouter: Tencent Hy4 flash</a>, <a href="https://plotly.com/blog/hy4-flash-plotly-data-analytics-bench/">Plotly: Hy4 Flash в Plotly Data Analytics Bench</a></p><p>Изображение на обложке: Логотип: Tencent</p>]]></content:encoded>
    </item>
    <item>
      <title>Java4Shell: в Base64-декодере OpenJDK нашли RCE, обновите JDK</title>
      <link>https://tproger.ru/news/java4shell-v-base64-dekodere-openjdk-nawli-rce-obnovite-jdk</link>
      <comments>https://tproger.ru/news/java4shell-v-base64-dekodere-openjdk-nawli-rce-obnovite-jdk?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/java4shell-v-base64-dekodere-openjdk-nawli-rce-obnovite-jdk</guid>
      <description><![CDATA[<p>Уязвимость в AVX-512 декодере Base64 бьёт по JDK 17, 21, 25 и 27; исправлено в 17.0.21.1, 21.0.13.1, 25.0.5.1, 27.0.1.1, обход — -XX:-UseBASE64Intrinsics.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/java4shell-v-base64-dekodere-openjdk-nawli-rce-obnovite-jdk">Java4Shell: в Base64-декодере OpenJDK нашли RCE, обновите JDK</a>»</p>]]></description>
      <category><![CDATA[Java]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Информационная безопасность]]></category>
      <category><![CDATA[Уязвимость]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:58:32 GMT</pubDate>
      <content:encoded><![CDATA[<p>Исследователи Calif 17 ноября <a href="https://calif.io/java4shell/">раскрыли Java4Shell</a> (CVE-2026-114938) — ошибку памяти в оптимизированном Base64-декодере OpenJDK, через которую, по их данным, можно удалённо и без авторизации выполнить код в Jenkins, Keycloak, Jira, Confluence и других Java-приложениях. В тот же день OpenJDK <a href="https://openjdk.org/groups/vulnerability/advisories/2026-11-17">опубликовала advisory</a>, а Oracle включила исправление в <a href="https://www.oracle.com/security-alerts/cspunov2026.html">ноябрьский пакет Critical Security Patch Update</a>: под ударом ветки JDK 17, 21, 25 и 27.</p><p>Если у вас Java-сервис на современном x86-сервере Intel или AMD, обновить JDK стоит в ближайшие дни, даже если вы сами Base64 не трогаете: декодер вызывают библиотеки аутентификации, загрузки файлов и сетевые протоколы. Серверы на ARM, включая Graviton и Apple Silicon, уязвимость не затрагивает: проблемный код использует инструкции AVX-512, которых у ARM нет.</p><ul><li>CVE-2026-114938: запись за границу массива в x86-64 интринсике Base64 в HotSpot; OpenJDK оценивает её в 8,1 по CVSS 3.1, Calif — в 9,2 по CVSS 4.0.</li><li>Уязвимы JDK 17 (с 17.0.6), 21, 25 и 27 на процессорах с AVX-512 VBMI: Intel Xeon с Ice Lake, AMD Zen 4 и новее; ARM64 не затронут.</li><li>Исправления: OpenJDK 17.0.21.1, 21.0.13.1, 25.0.5.1 и 27.0.1.1; Amazon Corretto выпустил сборки 17 ноября, Temurin 27.0.1.1 — 18 ноября.</li><li>Временная защита: флаг -XX:-UseBASE64Intrinsics или -XX:UseAVX=2 при запуске JVM.</li><li>Баг нашёл исследователь Calif Куанг Луонг с помощью Codex: на поиск ушёл час, на первый эксплойт ещё два, токены обошлись меньше чем в $200.</li></ul><h2>Кто под ударом и как проверить свои серверы?</h2><p>По <a href="https://openjdk.org/groups/vulnerability/advisories/2026-11-17">advisory OpenJDK</a>, уязвимость затрагивает ветки 17, 21, 25 и 27; JDK 8 и 11 в столбцах риска для этой CVE не отмечены. Calif уточняет, что проблема есть в OpenJDK начиная с 17.0.6. Уязвимы и все дистрибутивы, собранные из OpenJDK: Amazon Corretto, Eclipse Temurin, Microsoft Build of OpenJDK, Azul Zulu, BellSoft Liberica, SAP SapMachine, Red Hat OpenJDK, Oracle OpenJDK, Oracle Java SE и Oracle GraalVM for JDK. В <a href="https://www.oracle.com/security-alerts/cspunov2026.html">матрице Oracle</a> отдельно перечислены затронутые версии Oracle Java SE 8u511b33-perf, 17.0.21.0.3, 21.0.13.0.3, 25.0.5.0.3 и 27.0.1.0.3, GraalVM for JDK 17.0.21.0.3 и 21.0.13.0.3 и GraalVM Enterprise Edition 21.3.20.0.3.</p><p>Второе условие — железо. Уязвимый код выполняется только на x86-64 с поддержкой AVX-512 VBMI. Calif называет серверные Intel Xeon поколений Ice Lake, Sapphire Rapids, Emerald Rapids и Granite Rapids и процессоры AMD EPYC и Ryzen на Zen 4 и новее; на таких процессорах работает и часть облачных инстансов. На Linux проверить процессор можно командой из отчёта Calif; в выводе должны быть все четыре флага:</p><p>Если флагов меньше четырёх, интринсик на этой машине не включается и баг не срабатывает. Учтите, что в облаке тип процессора меняется при пересоздании инстанса или переезде на другой класс машин, поэтому надёжнее обновить JDK везде.</p><p>Calif пишет, что продемонстрировала удалённое выполнение кода в стандартных конфигурациях популярных продуктов. Без авторизации — в Keycloak, Atlassian Jira, Atlassian Confluence, JFrog Artifactory, Jenkins и PingFederate. С авторизацией — в брокере Apache Kafka, Apache Solr, Elasticsearch, Gerrit и Spinnaker. Исследователи подчёркивают, что списки неполные: RCE удалось получить и в тестовых приложениях на Apache Struts и Spring Boot, где декодер вызывается из обычной аутентификации или загрузки файлов. Ещё один сценарий прислал исследователь samczsun: Java-программа, которая сама открывает TLS-соединение к вредоносному серверу, тоже может быть скомпрометирована, даже если не слушает ни одного порта. Демо атак Calif выложила <a href="https://www.youtube.com/watch?v=-EOYmL4UKvs">в видео</a>; эти заявления исходят от исследователей, независимых подтверждений эксплуатации в этих продуктах пока нет.</p><p>Смотреть видео: <a href="https://www.youtube.com/watch?v=-EOYmL4UKvs">Демо эксплойтов Java4Shell от Calif</a></p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-18/6e78b2c8-ac43-414d-a31d-2e81a7c581a4.webp" alt="Демо эксплойтов Java4Shell от Calif" /><figcaption>Демо эксплойтов Java4Shell от Calif</figcaption></figure><h2>Почему в «безопасной» Java случилась порча памяти?</h2><p>Сама Java защищает разработчика от выхода за границы массива, но значительная часть JVM написана на C, C++ и ассемблере. Чтобы декодировать Base64 быстрее, JIT-компилятор C2 подменяет внутренний метод Base64.Decoder.decodeBlock, через который идёт декодирование, интринсиком — заранее написанным машинным кодом, который обрабатывает по 64 байта за раз инструкциями AVX-512 VBMI. Ошибка сидит в ветке, которая обрабатывает хвост строки с символами-заполнителями «=».</p><p>Как объясняет Луонг в <a href="https://calif.io/java4shell/">техническом разборе</a>, интринсик считает длину выхода по формуле (input_length / 4) * 3 с целочисленным делением и вычитает по единице за каждый «=». Если на хвост приходится только «=», «==», «X=», «X==», «XY=» или «===», длина выхода сначала равна нулю, а после вычитания уходит в минус. Инструкция bzhi, которая строит маску записи, при таком значении маску не обрезает, и маска становится «все 64 байта». В результате инструкция записи выкладывает в память полный 64-байтный вектор.</p><p>На практике хватает строки из 64 символов «A» и одного «=». Для 65 символов JVM выделяет массив на 50 байт, интринсик пишет 64 байта начиная со смещения 48, то есть 62 байта уходят за конец массива. Java-код затем замечает некорректный ввод и бросает IllegalArgumentException, но соседние объекты в куче к этому моменту уже испорчены. В старых сборках OpenJDK 17 порог длины выше, и триггер — 128 символов «A» и «=».</p><p>Calif выложила безопасный PoC: он прогревает декодер 200 тысячами вызовов, чтобы C2 включил интринсик, а затем декодирует вредоносную строку в буфер на 4096 байт. На уязвимой JVM программа печатает REPRODUCED: декодер отклонил ввод, но байты со смещения 50 по 111 уже перезаписаны. Вся запись остаётся внутри настоящего массива, поэтому запуск не портит JVM. PoC рассчитан на триггер из 64 символов; на старых сборках OpenJDK 17, где нужен ввод из 128 символов «A» и «=», его придётся поправить. Ключевой фрагмент:</p><h2>Насколько реальна атака?</h2><p>Сама запись почти не управляется: атакующий полностью контролирует только первый байт, ещё 4 бита второго, остальное — фиксированные значения, а байты с 48-го по 63-й всегда равны 0x9a. Calif превратила это в рабочую атаку приёмом из эксплойтов JavaScript-движков: перезаписать длину соседнего массива. Такой массив-«писатель» затем принимает уже выбранные атакующим байты и портит следующий объект, а испорченный массив-«читатель» возвращает в ответе сервера содержимое кучи. Уже на этом шаге, до выполнения кода, получается утечка памяти в духе Heartbleed: ключи, токены и персональные данные из кучи Java. Дальше исследователи доходят до произвольной записи и выполнения кода через Code Cache JVM.</p><p>Чтобы нужные объекты оказались рядом, атакующий раскладывает кучу G1 удалённо: отправляет запрос частями и ждёт TCP-подтверждения перед ключевым выделением памяти, распыляет пары «писатель» и «читатель» и повторяет попытки при промахе. Неудачная попытка может уронить JVM, но часто её можно просто повторить. Атака чувствительна к задержкам сети, и для стабильности Calif арендовала виртуальную машину в том же регионе облака, что и цель.</p><p>Исследователи сами перечисляют ограничения. Универсального эксплойта нет: под каждое приложение нужен свой профиль — путь к декодеру, живой «писатель», канал обратной связи, раскладка кучи. Часть профилей требует, чтобы приложение получало тело запроса по частям, а nginx по умолчанию буферизует тело целиком и ломает такой тайминг. Но это не защита: цепочка для Elasticsearch работает с одного полного запроса, а после перехода на WebSocket кадры идут в обход буферизации. Эксплойты под конкретные продукты Calif пока не публикует и обещает выложить позже, когда пользователи успеют обновиться.</p><p>Оценки опасности расходятся. Calif считает уязвимость по CVSS 4.0 и получает 9,2 из 10 (критическая). OpenJDK и Oracle в <a href="https://openjdk.org/groups/vulnerability/advisories/2026-11-17">advisory</a> ставят 8,1 по CVSS 3.1: атака сетевая, без авторизации и без участия пользователя, но со сложностью «высокая», с полным ущербом конфиденциальности, целостности и доступности.</p><h2>Как ИИ нашёл баг за час</h2><p>Calif называет свой подход работой «кентавра» — человека и ИИ вместе — и ставит Java4Shell в один ряд с PHP2Shell, уязвимостью в PHP, которую компания нашла тем же способом. Куанг Луонг в <a href="https://calif.io/java4shell/">разборе</a> рассказывает, что начал аудит HotSpot с областей, где код пересекает много границ: JIT-компилятор, интринсики, общедоступные API и криптография. Точнее, по его словам, он «сказал Codex смотреть туда, как сделал бы любой серьёзный исследователь безопасности в 2026 году» (перевод редакции).</p><p>Большая часть первых находок Codex оказалась мусором: недостижимый код или нереалистичные условия эксплуатации. Луонг продолжал переформулировать промпты и отбрасывать ложные срабатывания около 20 минут, пока модель не принесла порчу памяти в самом Base64-декодере. Всего на обнаружение ушёл час, на первый работающий эксплойт — ещё два часа, а расход токенов составил меньше $200, пишет Calif. Дальнейшие цепочки под разные продукты, по словам компании, ИИ-агенты собирали почти автономно, но сначала исследователям пришлось написать для агента трассировщик и визуализатор кучи: без них модель застревала на раскладке памяти.</p><p>Это не единичный случай. На следующий день Wiz <a href="https://www.wiz.io/blog/nginx-http2-rce-vulnerabilities">раскрыла две RCE в HTTP/2 у nginx</a>, тоже найденные с помощью ИИ, и прямо сослалась на Java4Shell и PHP2Shell как на примеры того, что сложность кода перестала быть барьером для поиска таких ошибок. Мы уже писали, как <a href="https://tproger.ru/news/openai-codex-sobral-desyatiletnie-dos-ataki-v-http-2-bomb">Codex собрал десятилетние DoS-атаки на HTTP/2</a> и как <a href="https://tproger.ru/news/ibm-i-red-hat-ispravili-bolee-400-neizvestnyh-uyazvimostej-v-java">IBM и Red Hat закрыли более 400 уязвимостей в Java-библиотеках</a>. Calif из этой истории делает вывод о «вайб-раскодинге»: ручной ассемблерный декодер, который ускоряет обработку огромных объёмов данных, поставляется всем, хотя большинству приложений, декодирующих пару сотен байт, он не нужен.</p><p>Любопытная деталь: в списке благодарностей Oracle за CVE-2026-114938 кроме Куанга Луонга из Calif указан ещё один исследователь, Albert Yang. Был ли это независимый поиск той же ошибки, Oracle не уточняет.</p><h2>Что делать прямо сейчас</h2><ol><li>Найдите все JVM на x86-серверах: приложения, CI-агенты Jenkins, Kafka, Elasticsearch, Keycloak, контейнерные базовые образы. Проверьте версию через java -version и флаги процессора командой выше.</li><li>Обновите JDK до сборок с исправлением. В репозиториях OpenJDK это 17.0.21.1, 21.0.13.1, 25.0.5.1 и 27.0.1.1. Amazon Corretto выпустил 17.0.21.1.2, 21.0.13.1.2, 25.0.5.1.2 и 27.0.1.1.4 17 ноября (<a href="https://github.com/corretto/corretto-21/blob/21.0.13.1.2/CHANGELOG.md">changelog Corretto 21</a>), Eclipse Temurin 27.0.1.1 вышел 18 ноября; для Temurin 17, 21 и 25 и других вендоров следите за их страницами релизов. Пользователи Oracle Java SE и GraalVM берут патчи из <a href="https://www.oracle.com/security-alerts/cspunov2026.html">Critical Security Patch Update за ноябрь</a>.</li><li>Пересоберите и перевыкатите контейнеры: обновление пакета на хосте не меняет JDK внутри образа.</li><li>Если обновиться сразу нельзя, запустите JVM с флагом -XX:-UseBASE64Intrinsics (отключает аппаратное ускорение и кодирования, и декодирования Base64) или -XX:UseAVX=2 (отключает AVX-512 целиком). Второй флаг ставьте только на x86-64: JVM на ARM его не знает и не запустится.</li><li>Обновите в первую очередь сервисы, открытые в интернет без авторизации: SSO (Keycloak, PingFederate), Jira и Confluence, Jenkins, Artifactory.</li></ol><p>Флаг -XX:-UseBASE64Intrinsics замедляет только кодирование и декодирование Base64; на сервисах, которые декодируют гигабайты Base64, стоит измерить нагрузку. Признаков атаки в логах advisory не описывает; косвенный сигнал — неожиданные падения JVM (файлы hs_err_pid*.log) и ошибки IllegalArgumentException от Base64-декодера на длинных строках из «A» и «=».</p><p>Дальше стоит следить за двумя вещами: за выходом сборок у остальных вендоров и за обещанной публикацией эксплойтов под конкретные продукты. Calif обещает выложить цепочки для конкретных продуктов, когда пользователи успеют обновиться; сроков компания не называет, а после такой публикации повторить атаку станет заметно проще.</p><p>Источники: <a href="https://calif.io/java4shell/">Calif: Java4Shell (CVE-2026-114938)</a>, <a href="https://openjdk.org/groups/vulnerability/advisories/2026-11-17">OpenJDK Vulnerability Advisory: 2026/11/17</a>, <a href="https://www.oracle.com/security-alerts/cspunov2026.html">Oracle Critical Security Patch Update Advisory, ноябрь 2026</a>, <a href="https://github.com/corretto/corretto-21/blob/21.0.13.1.2/CHANGELOG.md">Amazon Corretto 21.0.13.1.2: changelog</a>, <a href="https://www.youtube.com/watch?v=-EOYmL4UKvs">Calif: демо эксплойтов (видео)</a></p><p>Изображение на обложке: Calif, постер Java4Shell</p>]]></content:encoded>
    </item>
    <item>
      <title>Anthropic две недели ломала Claude Docs силами Claude Code перед запуском</title>
      <link>https://tproger.ru/news/anthropic-dve-nedeli-lomala-claude-docs-silami-claude-code-pered</link>
      <comments>https://tproger.ru/news/anthropic-dve-nedeli-lomala-claude-docs-silami-claude-code-pered?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/anthropic-dve-nedeli-lomala-claude-docs-silami-claude-code-pered</guid>
      <description><![CDATA[<p>Агент две недели нагружал staging и чинил сбои; оценка мощности упала с 500 подов до 50, весь инференс стоил около $125 тыс., малому сервису — $3–10 тыс.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/anthropic-dve-nedeli-lomala-claude-docs-silami-claude-code-pered">Anthropic две недели ломала Claude Docs силами Claude Code перед запуском</a>»</p>]]></description>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[DevOps]]></category>
      <category><![CDATA[Rust]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:58:29 GMT</pubDate>
      <content:encoded><![CDATA[<p>Anthropic рассказала, как готовила к запуску свой редактор документов Claude Docs: за две недели до релиза инженер оставил сессию Claude Code, которая без перерыва нагружала тестовый кластер, ломала компоненты, читала телеметрию и сама выкатывала исправления. По словам компании, к 22 сентября, через шесть дней после запуска, пользователи создали больше 4,6 млн документов, на 2 млрд запросов пришлось 60 серверных ошибок, а сервис ни разу не откатывали. <a href="https://claude.dev/blog/chaos-loop-claude-docs-launch/">Пост</a> в инженерном блоге claude.dev опубликовал 17 ноября инженер Anthropic Вивек Наир.</p><p>Для разработчика здесь интересен не сам Claude Docs, а рецепт: как поставить ИИ-агенту задачу уровня «сервис должен выдержать запуск», а не «почини этот баг», и что для этого подготовить в коде и инфраструктуре. Автор приводит стоимость всего инференса с конца августа до запуска — около $125 тыс. по прайсу API — и оценку для небольшого сервиса: $3–10 тыс. за двухнедельный прогон. Все цифры в посте — данные самой Anthropic, независимо их не проверить.</p><ul><li>С 4 сентября Claude Code две недели гонял копию продакшена на staging со скоростью больше миллиона синтетических документов в день и намеренно ломал её компоненты.</li><li>Сессия-координатор раздавала работу субагентам: обычно около 11 одновременно, на пике 30; решения, которые трудно откатить, агент отдавал человеку.</li><li>Одна из находок: каждое нажатие клавиши копировало документ в несколько структур; после перехода на copy-on-write оценка нужной мощности упала с более чем 500 подов до примерно 50.</li><li>Сервис написан на Rust с минимумом зависимостей, чтобы любое число в телеметрии сводилось к коду команды, а не к сборщику мусора.</li><li>Весь инференс с конца августа до запуска, включая продуктовую работу, автор оценивает в $125 тыс. по прайсу Claude Fable 5.2; двухнедельный цикл для небольшого сервиса — в $3–10 тыс., но такой прогон он не запускал.</li></ul><h2>Как был устроен «цикл хаоса»</h2><p>Claude Docs — редактор, в котором с документом одновременно работают люди и Claude: любая сессия Claude, от чата до Claude Code, может открыть документ, читать, писать и комментировать в реальном времени. Его выпустили 16 сентября 2026 года. За три недели до этого сервис работал прототипом на одном узле, им пользовались несколько тысяч сотрудников Anthropic, а собственная оценка команды обещала миллионы документов в первые дни после запуска.</p><p>Реального трафика такого масштаба не было, поэтому 4 сентября автор поручил Claude управлять staging-кластером, повторяющим продакшен: генерировать больше миллиона синтетических документов в день и намеренно ломать основные компоненты. Цикл — это одна сессия Claude Code, оставленная работать: выбрать сценарий, запустить нагрузочный стенд, прочитать телеметрию, предложить исправление, выкатить его на staging и повторить.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-18/78af9027-721c-4c34-8d0d-c03d6063f295.webp" alt="Схема одной итерации цикла: стенд добавляет нагрузку, Claude читает телеметрию и предлагает варианты, человек выбирает, Claude пишет изменение и проверяет его в отдельной сессии, человек одобряет, Claude выкатывает на staging" /><figcaption>Одна итерация цикла: синие шаги делает Claude, оранжевые — человек. Источник: Anthropic, блог claude.dev</figcaption></figure><p>Сессия работала координатором и отдавала большую часть работы субагентам: в самую загруженную неделю обычно около 11 одновременно, на пике 30. Через Slack MCP координатор ещё и общался с внутренней версией Claude Tag — агентами других инфраструктурных команд Anthropic, которые уже масштабировали похожие сервисы и проверяли подход на известные им ловушки. Телеметрию Claude читал через Datadog MCP.</p><p>Сценарии автор выбирал заведомо «параноидальные»:</p><ul><li>10 млн новых документов за один день;</li><li>22 тыс. живых соединений, которые переподключаются одновременно;</li><li>один «горячий» документ с сотнями зрителей, сервер, убитый посреди загрузки документа, и зависшая база данных.</li></ul><p>Каждая итерация выглядела одинаково: стенд доводил одну функцию, например создание документов, до насыщения, а Claude читал телеметрию и возвращался с коротким списком вариантов и рекомендацией. Если изменение легко откатить, Claude писал его, проверял в отдельной сессии и выкатывал на staging, после чего тест запускался снова; на схеме из поста выбор варианта и одобрение изменения остаются за человеком. Каждый запрос к базе отчитывался своим именем и тем, сколько строк он просканировал и сколько вернул, поэтому плохие запросы находились и переписывались сразу.</p><h2>Где агенту понадобился человек</h2><p>До старта автор перечислил Claude решения, которые требуют его одобрения: всё, что трудно откатить, — изменения схемы базы и раскладки ключей, способа хранения и материализации документа. Встретив такое решение, агент останавливался и спрашивал, обычно с рекомендацией, которую автор в итоге принимал. Про схемы данных он пишет, что разумных ответов обычно несколько, а менять направление потом больно.</p><p>Кроме того, весь прогон держался на двух инвариантах. Документ должен открываться практически мгновенно, даже с длинной историей правок. И если сервер подтвердил правку, тесты должны показывать, что она сохранилась. По словам автора, модель держала эти инварианты через многократное сжатие контекста, и повторять их не пришлось.</p><h2>Почему сервис писали так, чтобы его «понимал» агент</h2><p>Автор ссылается на <a href="https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/">заметку коллеги Феликса Ризеберга</a>: формулировать задачу на уровне результата («сделай приложение без падений»), а не отдельного действия («почини это падение»). Чтобы это работало, агент должен сам получать отчёты о сбоях и запускать стенд, который воспроизводит сбой и проверяет исправление. Для этого команда сделала две вещи.</p><p>Первая — диагностический цикл: на каждой итерации Claude читал телеметрию и сам добавлял метрики, которых не хватало. Обычно телеметрию дописывают руками и уже после аварии, здесь агент делал это по ходу работы. Показательный пример — память. В начале прогона один большой документ занимал на поде около 3 ГБ. Первая гипотеза Claude — уменьшить кэш, чтобы сервер раньше выгружал документы, — не подтвердилась: следующий прогон показал, что память сидит в отдельном кэше внутри одной из зависимостей, и правку отменили. Более детальное профилирование нашло причину: каждое нажатие клавиши копировало документ в несколько разных структур данных, добавляя несколько мегабайт. Claude перевёл эти структуры на copy-on-write, чтобы они ссылались на одну копию.</p><p>Примерно через три дня итераций тот же документ занимал около 180 МБ, а оценка мощности, нужной для запуска, упала с более чем 500 подов с оптимизированной памятью до примерно 50. Весь сервис на запуске и работал примерно на 50 таких подах.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-18/ae28d490-70d1-4650-9563-d4452fe73187.webp" alt="Схема из двух дорожек: выбранный путь — Rust и мало зависимостей, память в своих структурах, Claude находит причину, исправления легко проверить; отвергнутый — сборщик мусора и чужие библиотеки, память, которую нельзя объяснить, и зашумлённый сигнал" /><figcaption>Выбор технологий ради понятной агенту телеметрии. Источник: Anthropic, блог claude.dev</figcaption></figure><p>Вторая — выбор технологий. Команда избегала рантаймов, которые расходуют память и процессор так, что код этим не управляет, то есть языков со сборщиком мусора: по логике автора, память и задержки в них меняются по расписанию сборщика, а модели лучше всего «карабкаются» по чистому сигналу. Сервис написан на Rust, зависимостей минимум, а немногие нужные библиотеки вендорили, чтобы их можно было читать и измерять. Автор оговаривается: в Anthropic есть хороший инструментарий для Go, и сравнения двух языков команда не проводила — это опыт с Rust, а не тест. Его довод: Rust трудно писать людям, но Claude пишет на нём нормально, поэтому сложность языка теперь весит меньше.</p><h2>Что случилось на запуске</h2><p>По данным Anthropic, первый миллион документов появился примерно за 30 часов после запуска 16 сентября, к 22 сентября их было больше 4,6 млн. На 2 млрд запросов пришлось 60 серверных ошибок. Продакшен в сентябре выкатывали 629 раз, и ни одна выкатка не потребовала отката.</p><p>Семь из десяти сценариев, отрепетированных на staging, действительно произошли в продакшене. К тому моменту Claude уже выпустил исправления за флагами времени выполнения, поэтому, когда часть инфраструктуры оказывалась под давлением, команда обычно просто включала флаг.</p><p>Почему это стало возможно только сейчас, автор объясняет «дрейфом цели» (goal drift): старые модели нормально читали телеметрию через MCP, но через 10–20 итераций длинного цикла забывали, что именно оптимизируют, и цель приходилось повторять (подробнее о дрейфе — в <a href="https://claude.dev/blog/a-harness-for-every-task-dynamic-workflows-in-claude-code/">другом посте claude.dev</a>). Сам он работал с внутренней исследовательской моделью, которую сравнивает с Claude Fable 5.2. Похожий подход, по словам автора, применила Vercel, которая агентным циклом под присмотром человека <a href="https://vercel.com/blog/making-turborepo-ninety-six-percent-faster-with-agents-sandboxes-and-humans">ускорила Turborepo</a>: по данным Vercel, подготовка графа задач перед запуском в версии 2.9.0 стала быстрее до 96% по сравнению с 2.8.0, в зависимости от репозитория.</p><h2>Сколько это стоит и как повторить</h2><p>С конца августа до дня запуска автор израсходовал инференса примерно на $125 тыс. по прайсу API Claude Fable 5.2 на ноябрь 2026 года. В эту сумму входит вся работа за период, не только нагрузочный цикл; большая часть ушла на чтение телеметрии, предложения, генерацию исправлений и ревью кода. Он сам называет два фактора, которые раздули счёт: масштаб запуска потребовал инфраструктуры, о которой агенту пришлось много рассуждать, а много токенов сгорело, пока он отлаживал сам процесс; сейчас, по его оценке, хватило бы половины. Пару лет назад такая работа, по его догадке, заняла бы у команды инженеров около полугода.</p><p>Для небольшого сервиса — пара Kubernetes-узлов и Postgres — автор пересчитал затраты, убрав интеграцию с внутренними сервисами, продуктовую работу, работу на множестве подов и тонкий rate limiting. Осталась примерно треть изменений, и двухнедельный прогон, по его оценке, обошёлся бы в $3–10 тыс. по тому же прайсу. Он прямо пишет, что такой прогон не запускал и цифра приблизительная.</p><p>Рецепт из поста рассчитан на одного инженера с Claude Code, staging-окружение и сервис наблюдаемости:</p><ol><li>Дайте агенту доступ к телеметрии: у большинства сервисов наблюдаемости есть MCP-сервер.</li><li>Попросите агента написать нагрузочный скрипт, который даёт staging-копии в 10 раз больше реального трафика и ломает её намеренно: убить инстанс, подвесить базу, выкатить релиз посреди пика. Дальше пусть чинит всё, что падает.</li><li>При выборе стека отдавайте предпочтение тому, что агенту проще измерять; у команды Claude Docs это Rust и минимум зависимостей.</li><li>До старта запишите самые важные технические инварианты и передайте их агенту.</li><li>Для всего, что трудно откатить, требуйте от агента остановиться и предложить несколько вариантов с рекомендацией.</li></ol><p>Координатор с субагентами ускорял работу, но автор допускает, что если они сжигают слишком много токенов в час, один агент тоже справится. Это самый простой способ снизить счёт при первом опыте.</p><p>По нашей оценке, переносимая часть рецепта не зависит от конкретного агента: телеметрия, доступная через MCP, стенд с намеренными сбоями, записанные инварианты и явный список решений, которые остаются за человеком. Без изолированного staging запускать такой цикл нельзя: агент здесь сам выкатывает изменения, и границы его прав нужно продумать заранее — как это делают, мы разбирали <a href="https://tproger.ru/articles/kak-izolirovat-ii-agenta-v-2026-godu-microvm-protiv-kontejnero">в материале про изоляцию агентов</a>. Как подобрать модель и уровень рассуждений под долгую задачу, Anthropic объясняла <a href="https://tproger.ru/articles/anthropic-obyasnila-kakuyu-model-claude-i-kakoj-effort-stavit">в отдельном руководстве</a>.</p><p>Источники: <a href="https://claude.dev/blog/chaos-loop-claude-docs-launch/">claude.dev: Using a chaos loop to harden the Claude Docs launch</a>, <a href="https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/">Felix Rieseberg: How to be more ambitious</a>, <a href="https://vercel.com/blog/making-turborepo-ninety-six-percent-faster-with-agents-sandboxes-and-humans">Vercel: Turborepo на 96% быстрее с агентами</a>, <a href="https://claude.dev/blog/a-harness-for-every-task-dynamic-workflows-in-claude-code/">claude.dev: A harness for every task</a></p><p>Изображение на обложке: Tproger по данным Anthropic</p>]]></content:encoded>
    </item>
    <item>
      <title>Обновление vLLM 0.34 может сломать запуск: разбираем новые умолчания</title>
      <link>https://tproger.ru/news/obnovlenie-vllm-0-34-mozhet-slomat-zapusk-razbiraem-novye-umolch</link>
      <comments>https://tproger.ru/news/obnovlenie-vllm-0-34-mozhet-slomat-zapusk-razbiraem-novye-umolch?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/obnovlenie-vllm-0-34-mozhet-slomat-zapusk-razbiraem-novye-umolch</guid>
      <description><![CDATA[<p>В vLLM 0.34 удалён Model Runner V1 и нужен huggingface_hub 2.0; кэш MiniMax-M3 на H200 вырос с 433 до 672 тыс. токенов, но задержка может расти.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/obnovlenie-vllm-0-34-mozhet-slomat-zapusk-razbiraem-novye-umolch">Обновление vLLM 0.34 может сломать запуск: разбираем новые умолчания</a>»</p>]]></description>
      <category><![CDATA[Python]]></category>
      <category><![CDATA[Машинное обучение]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[DevOps]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:55:11 GMT</pubDate>
      <content:encoded><![CDATA[<p>Команда vLLM, открытого движка для запуска LLM на своих серверах, в ночь на 17 ноября по Москве (16 ноября, 23:22 UTC) <a href="https://github.com/vllm-project/vllm/releases/tag/v0.34.0">выпустила версию 0.34.0</a>. В неё вошли 1061 коммит от 412 авторов, поддержка 10 новых моделей, включая Mistral Large 4, и ускорения на Blackwell и AMD MI355X до 1,95 раза. Но главное для тех, кто уже держит vLLM в продакшене, — новые значения по умолчанию: движок теперь сам рассчитывает KV-кэш по фактически свободной видеопамяти и по умолчанию не держит прежний запас, размер блока вырос с 16 до 64, а старый Model Runner V1 удалён.</p><p>Если вы обновляете образ vllm/vllm-openai:latest без чтения changelog, сервис может не стартовать (переменная окружения VLLM_USE_V2_MODEL_RUNNER=0 теперь приводит к ошибке) или начать вести себя иначе под нагрузкой. Ниже — что изменилось, что сломается и как вернуть прежнее поведение.</p><ul><li>Extensible KV cache включён по умолчанию: кэш размеряется по памяти, реально свободной после прогрева, а gpu_memory_utilization по умолчанию 1.0 вместо 0.92.</li><li>Пример из релиза: у MiniMax-M3 на H200 кэш вырос с 433 до 672 тыс. токенов, но задержка на токен у некоторых моделей может вырасти на 6–18%.</li><li>Ломающие изменения: удалён Model Runner V1, --block-size по умолчанию 64, нужен huggingface_hub не ниже 2.0.0, образы ROCm 7.2 больше не выпускаются.</li><li>Новые модели: Mistral Large 4 (1 трлн параметров, 52 млрд активных), MiniMax-M3.1-Flash, Nemotron-3.5-Transcribe и ещё семь.</li><li>Kimi K3.1 в этой версии запустить нельзя: подготовка кода есть, поддержки нет.</li></ul><h2>Что меняет новый KV-кэш по умолчанию?</h2><p>KV-кэш — это память, где движок хранит промежуточные результаты внимания для каждого запроса. Чем он больше, тем больше одновременных запросов и длинных контекстов помещается на GPU. Раньше vLLM считал размер кэша по оценке и в версии 0.33 по умолчанию оставлял около 8% видеопамяти про запас (gpu_memory_utilization=0.92).</p><p>В 0.34 на CUDA и ROCm кэш размеряется по памяти, которая действительно свободна после захвата CUDA-графов и прогрева (<a href="https://github.com/vllm-project/vllm/pull/56492">PR 56492</a>), а gpu_memory_utilization, если не задан, равен 1.0. Это не значит, что кэш забирает всю память: механизм оставляет измеренный резерв под временные выделения. По данным релиза, большинство моделей получают больший кэш, а значит больше пропускной способности и меньшее время до первого токена (TTFT) при высокой конкурентности. Пример из release notes: MiniMax-M3 на H200 — 672 тыс. токенов кэша вместо 433 тыс.</p><p>У этого есть цена, и разработчики её называют: задержка между токенами (TPOT) у некоторых моделей на H200 при 128 одновременных запросах выросла на 6–18%. Если для вас важнее скорость генерации одного ответа, чем общая пропускная способность, новый режим может оказаться хуже. Есть два варианта: ограничить бюджет памяти явно (новый расчёт останется, но с заданным вами лимитом) или полностью вернуть старый механизм расчёта по оценке:</p><p>Есть и тонкость: если вы явно задали gpu_memory_utilization между 0,8 и 1,0, и это оставляет без дела 1 ГиБ памяти или больше, vLLM напишет предупреждение в лог. Если на той же видеокарте живут другие процессы, например второй экземпляр модели или эмбеддер, значение лучше задать явно: при 1.0 им может не хватить памяти. В релиз вошли и исправления фрагментации аллокатора, падений по нехватке памяти на старте и сильно заниженного кэша на DGX Spark, где он раньше мог быть меньше нужного до 84%.</p><h2>Что сломается при обновлении?</h2><p>Разработчики вынесли список в начало release notes под пометкой «эти изменения могут сломать существующие установки». Основное:</p><p>Ломающие изменения vLLM 0.34.0</p><table><thead><tr><th>Изменение</th><th>Что сделать</th></tr></thead><tbody><tr><td>Удалён Model Runner V1</td><td>Убрать VLLM_USE_V2_MODEL_RUNNER=0 (любое значение кроме 1 теперь падает на старте); перенести свои logits processors на vllm.v1.worker.gpu.sample.logits_processor</td></tr><tr><td>--block-size по умолчанию 64 вместо 16</td><td>Передать --block-size 16, если нужно старое поведение; ROCm paged attention по-прежнему использует 16</td></tr><tr><td>Extensible KV cache, gpu_memory_utilization = 1.0</td><td>--gpu-memory-utilization 0.9 или --no-enable-extensible-kv-cache</td></tr><tr><td>Нет сборок ROCm 7.2</td><td>Перейти на колёса и образы ROCm 10.0; теги -rocm72 больше не публикуются</td></tr><tr><td>huggingface_hub не ниже 2.0.0</td><td>Также нужны tokenizers не ниже 0.23.3 и timm не ниже 1.0.30</td></tr><tr><td>Удалены QuTLASS и fp_quant</td><td>Чекпоинты fp_quant больше не загружаются</td></tr><tr><td>Удалён Marlin W4A8</td><td>Использовать --quantization humming с VLLM_HUMMING_INPUT_QUANT_CONFIG вместо VLLM_MARLIN_INPUT_DTYPE</td></tr><tr><td>Удалены Keye-VL и Keye-VL-1.5</td><td>Остаться на 0.33 или сменить модель</td></tr></tbody></table><p>Источник: release notes vLLM 0.34.0</p><p>Вместе с Model Runner V1 исчезли и несколько опций: метод спекулятивного декодирования custom_class, use_heterogeneous_vocab, disable_padded_drafter_batch, конвейерный параллелизм с external_launcher и поддержка x86-процессоров без Triton. Изменилось и поведение API: парсер llama3_json больше не стримит аргументы вызова инструментов по кусочкам, транскрипция через Canary без параметра language возвращает 400, а пустой массив tools теперь принимается, как в OpenAI API.</p><p>Если вы поднимали сервер по нашему <a href="https://tproger.ru/articles/kak-podnyat-svoj-server-llm-na-vllm-v-2026-godu-ustanovka-i-zam">руководству по vLLM 0.33</a>, проверьте флаги запуска: явно заданный --block-size по-прежнему имеет приоритет, а вот поведение по умолчанию изменилось. Для pip версия требует Python от 3.11 до 3.14 включительно, сказано на <a href="https://pypi.org/project/vllm/0.34.0/">странице пакета на PyPI</a>.</p><h2>Какие модели и ускорения добавились?</h2><p>Новые модели: Mistral Large 4 (1 трлн параметров, из них 52 млрд активных, FP8 и NVFP4, работает на NVIDIA Blackwell и Hopper и AMD MI350), MiniMax-M3.1-Flash, речевая NVIDIA Nemotron-3.5-Transcribe (30B-A4B, аудиочат и /v1/audio/transcriptions), Ricursive Ripple-65B Preview, Zyphra ZAYA1 (8B и 74B-preview), Baidu Unlimited-OCR-2, семейство Liquid AI LFM3 (текстовая, VL и Audio), NVIDIA Canary-1B-v2, Ming3-ASR и NVIDIA Parakeet TDT через плагин. Для Kimi K3.1 в код попала подготовка, но, как прямо сказано в release notes, запустить её в этой версии нельзя.</p><p>Ускорения в release notes указаны для конкретного железа и режимов, это замеры самих разработчиков, чаще всего нового пути исполнения против прежнего в той же конфигурации, а не версии 0.34 против 0.33; точные условия описаны в соответствующих PR:</p><ul><li>Step5 в NVFP4 на 4 GB200 — до 1,95 раза быстрее декодирование;</li><li>GLM-5.3-Flash с DeepGEMM FP8 MegaMoE — в 1,6 раза выше пропускная способность по выходным токенам против той же конфигурации DEP4 с обычным MoE;</li><li>GLM-5.3 на GB200 — TTFT в 1,24–1,40 раза меньше на контексте 32–128 тыс. токенов, включено по умолчанию;</li><li>Muse Spark Open на GB300 — в 1,5 раза быстрее декодирование одного потока в синтетическом замере со спекулятивным декодированием DSpark (включается вручную);</li><li>Kimi-K3 на GB300 — в 1,34–1,59 раза быстрее ядро внимания при декодировании в микробенчмарке, сквозной прирост по описанию PR заметно меньше, порядка нескольких процентов (включается флагом --attention-backend KIMI_K3_KV_BALANCED_MLA);</li><li>Qwen3.5 (9B и 35B-A3B на GB200) — задержка между токенами ниже на 3,0–8,8% за счёт breakable CUDA-графов и слитых ядер вместо torch.compile.</li></ul><p>Почти все крупные цифры относятся к Blackwell (GB200, GB300) и AMD MI355X. На потребительских картах и A100 таких приростов ждать не стоит, хотя общие оптимизации планировщика полезны всем: например, на промпте в 128 тыс. токенов подготовка входных токенов запроса стала занимать в 40 раз меньше процессорного времени (замер одного участка, а не сквозной скорости), а wheel для x86_64 CUDA стал примерно на 82 МБ (около 25%) меньше.</p><h2>Что ещё нового для эксплуатации?</h2><ul><li>Checkpoint/restore: HTTP-маршруты /checkpoint/prepare, /checkpoint/status и /checkpoint/restore готовят и восстанавливают состояние движка, а снимок процесса через CRIU и cuda-checkpoint делает внешний оркестратор; маршруты работают с --enable-sleep-mode.</li><li>Отказоустойчивость при DP+EP: по команде оркестратора (POST /v1/fault_tolerance/apply) упавшие ранги удаляются, а их эксперты перераспределяются без перезапуска; работает только в поддерживаемой конфигурации: включённый режим fault tolerance, внешний балансировщик нагрузки и EPLB с резервными экспертами.</li><li>Привязка к NUMA включена по умолчанию в режиме best-effort, отключается флагом --no-numa-bind.</li><li>Суффиксное декодирование работает на Model Runner V2 со спекулятором на GPU, отдельная библиотека Arctic Inference больше не нужна.</li><li>API: thinking_token_budget в /v1/responses, в совместимом с Anthropic Messages API — min_tokens и thinking.type=between_tools; Responses API принимает неполную историю рассуждений, например от Codex.</li><li>Безопасность: исправлен ReDoS в санитайзере ошибок валидации, /v1/systemone теперь отклоняет шаблоны чата из запроса без флага --trust-request-chat-template.</li></ul><p>Сборки: колёса для CUDA 13.0 ставятся через pip install vllm, для ROCm — только версии 10.0. Docker-образ по умолчанию vllm/vllm-openai:v0.34.0 теперь содержит пользовательскую часть AWS EFA, есть отдельные образы для ROCm, CPU и Intel XPU.</p><h2>Как обновиться без сюрпризов?</h2><ol><li>Зафиксируйте тег образа v0.34.0 вместо latest, чтобы обновление было осознанным.</li><li>Удалите VLLM_USE_V2_MODEL_RUNNER из окружения или выставьте 1.</li><li>Обновите зависимости: huggingface_hub 2.0.0+, tokenizers 0.23.3+, timm 1.0.30+, transformers не ниже 5.16.1 и ниже 5.23.0, mistral-common 1.13.0+.</li><li>Если GPU делится с другими процессами, задайте --gpu-memory-utilization явно.</li><li>Прогоните нагрузочный тест на своей конкурентности и сравните TPOT и TTFT с 0.33. Если задержка выросла, попробуйте --no-enable-extensible-kv-cache или старый --block-size 16.</li><li>На ROCm перейдите на образы и колёса ROCm 10.0.</li></ol><p>Тем, кто запускает модели на CPU или ноутбуке, vLLM по-прежнему не лучший выбор: для этого чаще берут llama.cpp и его форки, которые, например, <a href="https://tproger.ru/news/fork-llama-cpp-umestil-deepseek-v4-flash-v-64-gb-ozu-bez-videoka">уместили DeepSeek-V4-Flash в 64 ГБ ОЗУ</a>. Из хвостов прошлых версий: флаг --mamba-cache-mode ни на что не влияет, но его удаление отложено, а он и --ir-op-priority в коде 0.34 всё ещё предупреждают об удалении «в 0.34.0». Новый срок разработчики пока не назвали.</p><p>Источники: <a href="https://github.com/vllm-project/vllm/releases/tag/v0.34.0">vLLM v0.34.0 release notes</a>, <a href="https://pypi.org/project/vllm/0.34.0/">PyPI: vllm 0.34.0</a>, <a href="https://github.com/vllm-project/vllm/pull/56492">PR 56492: extensible KV cache по умолчанию</a></p><p>Изображение на обложке: Логотип: vLLM Project</p>]]></content:encoded>
    </item>
    <item>
      <title>Тест 22 агентов показал: при смене модели стоит сменить и харнесс</title>
      <link>https://tproger.ru/news/test-22-agentov-pokazal-pri-smene-modeli-stoit-smenit-i-harnes</link>
      <comments>https://tproger.ru/news/test-22-agentov-pokazal-pri-smene-modeli-stoit-smenit-i-harnes?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/test-22-agentov-pokazal-pri-smene-modeli-stoit-smenit-i-harnes</guid>
      <description><![CDATA[<p>Runta прогнала 22 харнесса на 5 открытых моделях: на одной модели цена задачи различалась до 5 раз, а 64,5% денег ушло на непрошедшие попытки.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/test-22-agentov-pokazal-pri-smene-modeli-stoit-smenit-i-harnes">Тест 22 агентов показал: при смене модели стоит сменить и харнесс</a>»</p>]]></description>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Разработка]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:54:54 GMT</pubDate>
      <content:encoded><![CDATA[<p>Компания Runta, которая сдаёт в аренду изолированные среды для запуска ИИ-агентов, 17 ноября <a href="https://runta.com/blog/introducing-frontierharness-eval-v1-1/">опубликовала FrontierHarness Eval v1.1</a> — сравнение 22 конфигураций кодинг-агентов (харнессов) на пяти открытых моделях. Главный вывод: лучший по соотношению цены и результата харнесс у каждой модели свой, и при смене модели стоит перепроверить и обвязку. Codex CLI с GLM-5.3 оказался самым выгодным, а с Kimi-K3 по цене задачи опустился на 16-е место из 22.</p><p>Харнесс — это всё, что окружает модель в агенте: системный промпт, набор инструментов, правила сжатия контекста, логика шагов. Claude Code, Codex CLI, OpenCode, Pi, GitHub Copilot CLI — всё это харнессы. Если вы подключаете к любимому CLI дешёвую открытую модель через API, исследование показывает, что вы можете переплачивать в 2–5 раз за ту же работу просто из-за неудачной пары.</p><ul><li>Масштаб: 22 харнесса, 5 моделей, 62 терминальные задачи, 4 попытки — 27 280 запусков и 83 млрд токенов, в 76 раз больше версии 1.0.</li><li>Лучшие пары по цене за решённую задачу: Codex CLI с GLM-5.3, Pi с GLM-5.3 Flash, ZCode с DeepSeek V4.1 Flash, Oh My Pi с Muse Spark Open, Alma с Kimi-K3.</li><li>На одной модели самый дорогой харнесс тратил на задачу в 1,8–5,0 раза больше самого дешёвого; дороже не значит лучше.</li><li>Стоимость предсказывает число шагов агента, а не размер промпта или число инструментов.</li><li>64,5% расчётных затрат на инференс ушло на попытки, которые не прошли проверку; 68–82% таких провалов у лучших харнессов закончились уверенным «готово».</li></ul><h2>Как устроен тест?</h2><p>Runta сделала исследование вместе с Baseten — провайдером API для открытых моделей, который обслуживал все пять моделей: GLM-5.3 и GLM-5.3 Flash от Z.ai, DeepSeek V4.1 Flash 1017, Muse Spark Open от Meta и Kimi-K3 от Moonshot AI. Закрытые модели (Claude, GPT, Gemini) в этот раунд не вошли.</p><p>Харнессов 18, но четыре профиля DeepSeek Harness отличаются набором инструментов, а OpenCode гоняли в двух версиях, поэтому конфигураций 22. Среди них Codex CLI, Claude Code, GitHub Copilot CLI, Antigravity CLI, Grok Build, OpenCode, Pi, Oh My Pi, Cline CLI, Hermes Agent, KimiCode, MiniMax Code, ZCode, Alma, Maka, Exo и минималистичный mini-SWE-agent.</p><p>Задачи — 62 терминальные задачи с лимитами времени от 15 минут до 8 часов, прогон через фреймворк оценки Harbor. Каждый харнесс работал с настройками по умолчанию и на максимальном уровне reasoning; каждая попытка запускалась в новой чистой среде Runta, которую удаляли после завершения. Стоимость считали по прайсу Baseten умножением на токены, которые вернул провайдер.</p><p>Отдельно авторы проверили логи на «читерство»: 216 попыток помечены как reward hacking, из них 163 — обращения к интернет-источникам (поиск, чтение страниц, скачивание кода), которые аудит отметил как нарушение. Такие попытки засчитаны как провал. Больше всего их у Oh My Pi (42 попытки, 3,4%), OpenCode v2 и Hermes Agent.</p><h2>Какой харнесс выгоднее с какой моделью?</h2><p>Главная метрика — стоимость одной успешной задачи (средняя цена задачи, делённая на долю успешных). Победитель определялся по ней, но с поправкой: если другой харнесс дороже не больше чем на 30% и решает хотя бы на 5 пунктов больше задач, побеждает он. Так ZCode обошёл OpenCode v1 с DeepSeek, а Alma — Oh My Pi с Kimi-K3.</p><p>Лучший по цене и результату харнесс для каждой модели</p><table><thead><tr><th>Модель</th><th>Харнесс</th><th>Цена успешной задачи</th><th>Доля решённых</th></tr></thead><tbody><tr><td>GLM-5.3</td><td>Codex CLI</td><td>$0,803</td><td>57,7%</td></tr><tr><td>GLM-5.3 Flash</td><td>Pi</td><td>$0,223</td><td>58,1%</td></tr><tr><td>DeepSeek V4.1 Flash 1017</td><td>ZCode</td><td>$0,222</td><td>69,0%</td></tr><tr><td>Muse Spark Open</td><td>Oh My Pi</td><td>$1,21</td><td>58,9%</td></tr><tr><td>Kimi-K3</td><td>Alma</td><td>$1,58</td><td>64,1%</td></tr><tr><td>Все модели в среднем</td><td>Codex CLI</td><td>$0,937</td><td>61,1%</td></tr></tbody></table><p>Источник: Runta, FrontierHarness Eval v1.1</p><p>Насколько уверенно? Авторы 4000 раз пересэмплировали набор задач. Codex CLI с GLM-5.3 остался первым в 99,6% случаев. Остальные победители держатся куда менее надёжно и выбираются лучшими лишь в части пересэмплирований: Oh My Pi с Muse — в 53%, ZCode с DeepSeek — в 47%, Pi с GLM Flash — в 42%, Alma с Kimi-K3 — в 25%. Доверительный интервал доли решённых задач у одного харнесса с одной моделью — около 10 пунктов в обе стороны, так что разница в несколько пунктов означает ничью.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-18/bba5f222-7216-4563-98f4-c47dfb73ceef.webp" alt="Точечный график: средняя цена задачи и доля решённых задач для 22 харнессов по всем моделям" /><figcaption>Цена задачи и доля решённых по всем пяти моделям; линия соединяет харнессы, которых никто не обходит сразу по двум параметрам. Скриншот: runta.com</figcaption></figure><p>По всем моделям вместе «эффективную границу» образуют четыре харнесса: OpenCode v2 (самая низкая средняя цена задачи, $0,561), Pi, Codex CLI и ZCode (самая высокая доля решённых, 61,9%). Остальные стоили до 1,6 раза дороже и решали от 50,6% до 60,2%. Самая дорогая успешная задача в среднем — у Antigravity CLI ($1,63), у Claude Code — $1,55, у GitHub Copilot CLI — $1,38.</p><h2>Почему один и тот же харнесс то дешёвый, то дорогой?</h2><p>Порядок цен в целом задаёт модель: прайсы пяти моделей различаются в 20 раз и больше, и дисперсионный анализ логарифмов средней цены задачи по 110 парам относит к модели 92,8% разброса. Общий для всех моделей эффект харнесса — 2,3%, а 4,9% приходится на конкретную пару модели и харнесса (вместе с шумом). То есть при фиксированной модели около 68% различий между харнессами зависит от пары или объясняется шумом: анализ их не разделяет.</p><p>В деньгах это заметно. С каждой моделью самый дорогой харнесс тратил на задачу в 1,8–5,0 раза больше самого дешёвого; при перемешивании попыток случайный разброс составлял только 1,2–1,8 раза (p = 0,003). Рекорд у DeepSeek: Cline CLI стоил в 5 раз дороже OpenCode v1 и решил всего на 2 пункта больше. С остальными моделями самый дешёвый харнесс отставал от самого дорогого по качеству не больше чем на 0,4 пункта.</p><p>Ранги прыгают сильно. Медианный харнесс при смене модели сдвигался на 11 мест из 22. DeepSeek Harness в профиле Creator был самым дешёвым с Muse и 21-м с GLM Flash, OpenCode v1 — первым с DeepSeek и 13-м с Muse. Повторные прогоны это не объясняют: на одной модели рейтинги двух половин попыток совпадали с корреляцией 0,71, а между разными моделями — только 0,26.</p><p>И дороже не значит лучше: корреляция цены задачи и доли решённых по моделям — от -0,39 до +0,22. Харнесс с лучшим результатом был от 5-го до 20-го места по цене, а с четырьмя моделями из пяти самый дорогой по цене успешной задачи харнесс решал реже самого дешёвого.</p><h2>Что на самом деле делает агента дорогим?</h2><p>Интуиция «маленький промпт — дешёвый агент» не подтвердилась. Размер первого запроса (от 882 до 21 365 токенов), число инструментов (от 1 до 29) и доля попаданий в кэш (87–95,7%) почти не коррелируют с ценой успешной задачи. Коррелирует число шагов: +0,51 при p = 0,015. Каждый шаг заново отправляет весь контекст, поэтому попытка в среднем съедала 2,0–4,8 млн входных токенов, и даже самый большой системный промпт — меньше 1% от этого объёма.</p><p>Самый наглядный пример — mini-SWE-agent: самый маленький первый запрос (882 токена) и один инструмент, но 38 шагов на успешную задачу и 17-е место по цене успешной задачи. По всем запускам 42% денег ушло на чтение из кэша, 33% — на выходные токены, 25% — на некэшированный вход.</p><p>У пяти лучших харнессов авторы нашли общие черты (это наблюдения, а не проверенные гипотезы):</p><ul><li>один shell-инструмент делает большую часть работы: на него приходится 61–93% вызовов; у Pi по умолчанию всего четыре инструмента — read, bash, edit, write;</li><li>каждый запрос только дописывает контекст, начало не меняется, поэтому провайдер отдаёт его из кэша: 91,1–94% входа в успешных попытках;</li><li>почти нет субагентов и сжатия контекста: только Codex CLI сжимал историю, в 8 попытках, при заполнении 90% окна.</li></ul><p>Слабость у них тоже общая. 64,5% расчётных затрат на инференс (по прайсу Baseten, без стоимости самих сред) ушло на непрошедшие попытки (52,7% — ошибки, 11,8% — таймауты). У пяти лучших харнессов 68% (Pi) — 82% (Codex CLI) провалов закончились уверенным финальным ответом, а не по лимиту времени. В примере из отчёта агент пишет, что проверил конкурентность и очистку отмены, а проверяющий тест падает с assert 0 == 2.</p><h2>Что делать с этими результатами?</h2><ol><li>Если вы переключаете агента на другую модель, прогоните 2–3 харнесса-кандидата на своих задачах. Авторы советуют собирать для этого свой закрытый набор, достаточно большой, чтобы разница не утонула в шуме.</li><li>Сравнивайте цену успешной задачи, а не цену токена и не долю решённых по отдельности.</li><li>С дешёвой моделью, у которой результат сильно зависит от харнесса, выбирайте по доле решённых: с DeepSeek она менялась от 54% до 69%.</li><li>Не верьте «готово» без проверки: стоп-проверка тестами перед завершением могла бы сэкономить часть затрат на провалы, хотя авторы её не тестировали.</li><li>Если вы пишете харнесс, сокращайте число шагов, а не только длину промпта.</li></ol><p>Ограничения авторы называют сами: в тесте только открытые модели и один провайдер, а кэш и цены Baseten у другого провайдера могут изменить ранги. Важно и то, что Runta — коммерческая компания, продающая среды для агентов, а харнессы запускались с настройками по умолчанию. О том, как по-разному устроены обвязки популярных агентов, мы писали в <a href="https://tproger.ru/news/claude-code-poluchil-code-mode-a-codex-nauchilsya-vybirat-provajd">новости про Code Mode в Claude Code</a>, а о самих песочницах — в <a href="https://tproger.ru/articles/kak-izolirovat-ii-agenta-v-2026-godu-microvm-protiv-kontejnero">разборе изоляции ИИ-агентов</a>.</p><p>Следующим шагом Runta обещает добавить закрытые модели — Claude Opus 5.5, GPT-6 Astra и Gemini 4 Carbon — и изучить, как харнесс, работающий в облаке непрерывно, улучшает себя на длинных задачах. Сроков компания не называет.</p><p>Источник: <a href="https://runta.com/blog/introducing-frontierharness-eval-v1-1/">Runta: Introducing FrontierHarness Eval v1.1</a></p><p>Изображение на обложке: Данные: Runta, FrontierHarness Eval v1.1</p>]]></content:encoded>
    </item>
    <item>
      <title>Microsoft выпустила MAI Code 2 и обещает уровень GPT-6.1 Sol за 40% цены</title>
      <link>https://tproger.ru/news/microsoft-vypustila-mai-code-2-i-obeshhaet-uroven-gpt-6-1-sol-za</link>
      <comments>https://tproger.ru/news/microsoft-vypustila-mai-code-2-i-obeshhaet-uroven-gpt-6-1-sol-za?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/microsoft-vypustila-mai-code-2-i-obeshhaet-uroven-gpt-6-1-sol-za</guid>
      <description><![CDATA[<p>MAI Code 2 стоит $0,50 и $2,50 за миллион токенов по акции до 17 мая 2027; Microsoft сравнивала стоимость по скидочной цене и в своём Copilot CLI.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/microsoft-vypustila-mai-code-2-i-obeshhaet-uroven-gpt-6-1-sol-za">Microsoft выпустила MAI Code 2 и обещает уровень GPT-6.1 Sol за 40% цены</a>»</p>]]></description>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Microsoft]]></category>
      <category><![CDATA[GitHub]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:54:36 GMT</pubDate>
      <content:encoded><![CDATA[<p>Microsoft 17 ноября на конференции Ignite <a href="https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/">представила</a> две модели для программирования: MAI Code 2 для повседневных задач в больших корпоративных кодовых базах и облегчённую MAI Code 2 Flash для потока мелких правок. Обе в тот же день <a href="https://github.blog/changelog/2026-11-17-mai-code-2-and-mai-code-2-flash-in-github-copilot">появились в GitHub Copilot</a>. По замерам самой Microsoft, MAI Code 2 даёт 98% качества GPT-6.1 Sol при 40% его стоимости и 96% качества Claude Opus 5.5 при 5% стоимости.</p><p>Для разработчика это ещё одна дешёвая модель в выпадающем списке Copilot, причём по акционной цене токен MAI Code 2 в 4 раза дешевле, чем у GPT-6.1 Sol, и в 8 раз дешевле, чем у Opus 5.5. Но громкие проценты стоит читать вместе со сносками: стоимость MAI в сравнении посчитана по акционной цене со скидкой 50%, а три из четырёх бенчмарков Microsoft прогоняла на собственной платформе через GitHub Copilot CLI. Только оценки по четвёртому, FrontierCode, взяты у независимой Artificial Analysis.</p><ul><li>MAI Code 2 доступна в Copilot Pro, Pro+, Max, Business и Enterprise, MAI Code 2 Flash ещё и в Free и Student; Flash также в ограниченном превью Microsoft Foundry.</li><li>В Copilot до 17 мая 2027 года действует акционная цена: $0,50 и $2,50 за миллион входных и выходных токенов у MAI Code 2, $0,05 и $0,25 у Flash. Потом цены удваиваются.</li><li>Заявленные «98% от GPT-6.1 Sol за 40% цены» и «96% от Opus 5.5 за 5% цены» — замер Microsoft на максимальном reasoning, стоимость MAI взята по акционной цене.</li><li>Microsoft прямо пишет, что модели пока не настроены на очень длинную агентную работу и сложные научные задачи.</li><li>MAI-Code-1.1-Flash уберут из всех режимов Copilot 18 декабря 2026 года.</li></ul><h2>Что Microsoft выпустила и для каких задач?</h2><p>Обе модели делает подразделение Microsoft AI (MAI), это следующее поколение после MAI-Code-1-Flash, которую GitHub <a href="https://tproger.ru/news/github-prekratil-podderzhku-mai-code-1-flash-vo-vseh-rezhimah-copi">снял с поддержки в сентябре</a>, и MAI-Code-1.1-Flash. По описанию Microsoft, MAI Code 2 рассчитана на типичную работу в компаниях: довести код до продакшена, глубокая отладка, реализация на несколько файлов, рассуждения по всему репозиторию и интерфейсы. Компания утверждает, что модель делает изменения, которые мейнтейнеры готовы принять в кодовую базу (перевод редакции, формулировка маркетинговая).</p><p>MAI Code 2 Flash предназначена для массовой работы: объяснить код, сделать точечную правку, исправить рутинную ошибку, быстро пройти несколько итераций. В GitHub Copilot первая модель отнесена к категории Powerful, вторая — к Lightweight.</p><p>Ограничения Microsoft назвала сама: модели «пока явно не настроены» на сложные задачи вроде фундаментальных научных исследований и на очень длинную автономную агентную работу. Если вы отдаёте агенту многочасовые задачи без присмотра, это не та модель, на которую Microsoft делает ставку.</p><p>Отдельно MAI Code 2 настроили на дашборды и визуализации. В слепом сравнении фронтенд-приложений рецензенты в 64% случаев предпочли результат MAI Code 2 результату GPT-6 Sol. По сноске, сравнивали интерфейсы, игры, визуализации данных, 3D-сцены и SVG-графику, оценивали и внешний вид, и работоспособность, разметку делали 258 аннотаторов.</p><h2>Что стоит за процентами в сравнении с GPT и Claude?</h2><p>Главная цифра анонса — среднее по четырём бенчмаркам, которые, по словам Microsoft, ближе всего к повседневным задачам пользователей GitHub Copilot: DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas и FrontierCode v1.1. На этом среднем MAI Code 2 получила 98% результата GPT-6.1 Sol при 40% его стоимости и 96% результата Claude Opus 5.5 при 5% стоимости. Те же цифры повторены в <a href="https://microsoft.ai/news/microsoft-ignite-2026/">общем посте Microsoft об анонсах Ignite</a>.</p><p>Условия замера Microsoft раскрыла в сносках к анонсу, и от них зависит, как читать результат:</p><ul><li>все модели запускали на максимальном уровне reasoning;</li><li>DeepSWE 1.1, Terminal Bench 2.1 и SWE-Atlas прогоняли на MSBench — внутренней платформе оценки Microsoft — через GitHub Copilot CLI без субагентов, то есть в харнессе самой Microsoft;</li><li>оценки и стоимость по FrontierCode 1.1 взяты у Artificial Analysis;</li><li>стоимость MAI Code 2 и MAI Code 2 Flash показана по акционной цене со скидкой 50%.</li></ul><p>Последний пункт важен для расчёта бюджета. В Copilot акционная цена действует до 17 мая 2027 года, после чего, по <a href="https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing">прайсу GitHub</a>, токены MAI Code 2 подорожают в 2 раза. По нашей оценке, если модель тратит на задачу столько же токенов, «40% стоимости GPT-6.1 Sol» после мая превратятся примерно в 80%, а «5% от Opus 5.5» — примерно в 10%. Сама Microsoft в разделе об ограничениях пишет, что сравнение производительности и стоимости зависит от нагрузки, конфигурации, уровня reasoning и предположений о ценах.</p><p>Второй момент — харнесс, то есть обвязка агента вокруг модели. Три бенчмарка из четырёх запускали в Copilot CLI, а системный промпт, инструменты и управление контекстом у агентов разные, как видно и по <a href="https://tproger.ru/news/claude-code-poluchil-code-mode-a-codex-nauchilsya-vybirat-provajd">последним обновлениям Claude Code и Codex</a>. В Claude Code, Codex CLI или OpenCode цифры могут быть другими.</p><p>Для Flash Microsoft приводит сравнение по трём бенчмаркам (DeepSWE 1.1, Terminal Bench 2.1 и SWE-Atlas, без FrontierCode): качество, сопоставимое с GPT-6 Luna и Claude Haiku 5.5, при 65% и 20% их стоимости соответственно. Стоимость Flash в этом сравнении тоже посчитана по акционной цене.</p><h2>Сколько стоят модели в GitHub Copilot?</h2><p>Обе модели в Copilot тарифицируются по использованию (usage-based billing), сказано в <a href="https://github.blog/changelog/2026-11-17-mai-code-2-and-mai-code-2-flash-in-github-copilot">changelog GitHub</a>. Цены за миллион токенов из документации GitHub на 18 ноября (у моделей OpenAI и Anthropic дополнительно оплачивается запись в кэш: $2,50 у GPT-6.1 Sol, $5,00 у Opus 5.5, $0,125 у GPT-6 Luna и Haiku 5.5):</p><p>Цены в GitHub Copilot за 1 млн токенов</p><table><thead><tr><th>Модель</th><th>Вход</th><th>Кэшированный вход</th><th>Выход</th></tr></thead><tbody><tr><td>MAI Code 2 (акция до 17 мая 2027)</td><td>$0,50</td><td>$0,025</td><td>$2,50</td></tr><tr><td>MAI Code 2 (с 17 мая 2027)</td><td>$1,00</td><td>$0,05</td><td>$5,00</td></tr><tr><td>MAI Code 2 Flash (акция до 17 мая 2027)</td><td>$0,05</td><td>$0,005</td><td>$0,25</td></tr><tr><td>MAI Code 2 Flash (с 17 мая 2027)</td><td>$0,10</td><td>$0,01</td><td>$0,50</td></tr><tr><td>GPT-6.1 Sol (контекст до 272 тыс.)</td><td>$2,00</td><td>$0,10</td><td>$10,00</td></tr><tr><td>Claude Opus 5.5</td><td>$4,00</td><td>$0,20</td><td>$20,00</td></tr><tr><td>GPT-6 Luna (контекст до 272 тыс.)</td><td>$0,10</td><td>$0,01</td><td>$0,50</td></tr><tr><td>Claude Haiku 5.5 (контекст до 100 тыс.)</td><td>$0,10</td><td>$0,01</td><td>$0,50</td></tr></tbody></table><p>Источник: документация GitHub Copilot, Models and pricing</p><p>Заявленная «стоимость задачи» расходится с ценой токена. У Flash по акции токены вдвое дешевле, чем у GPT-6 Luna и Haiku 5.5, а Microsoft пишет о 65% и 20% их стоимости. Вероятные причины — разный расход токенов на одну задачу, разная доля кэшированного входа и оплата записи в кэш; Microsoft детали расчёта не раскрывает. Поэтому сравнивать модели стоит по цене решённой задачи на своих примерах, а не по прайсу.</p><p>По <a href="https://docs.github.com/en/copilot/reference/ai-models/supported-models">таблице поддерживаемых моделей</a> обе MAI-модели поддерживают окно контекста в 1 млн токенов и настраиваемый уровень reasoning, но не во всех клиентах: миллионный контекст доступен в VS Code и Copilot CLI. GitHub также предупреждает, что модели MAI постоянно дообучаются, и поведение может меняться с выходом новых чекпоинтов.</p><h2>Где модели доступны и как их включить?</h2><p>По changelog GitHub, MAI Code 2 доступна на тарифах Copilot Pro, Pro+, Max, Business и Enterprise, а MAI Code 2 Flash — ещё и на Free и Student. В документации есть оговорка: пользователи Free и Student получают модели только через автоматический выбор модели (Auto). Flash входит в список моделей для Auto и Copilot Fusion, MAI Code 2 — нет.</p><p>Модели выбираются в меню моделей в VS Code, Visual Studio, Copilot CLI, облачном агенте Copilot, приложении GitHub Copilot, на github.com, в GitHub Mobile для iOS и Android, а также в JetBrains IDE, Xcode и Eclipse. Для Visual Studio GitHub указывает минимальную версию 17.14.6.</p><ol><li>Обновите расширение Copilot или IDE и выберите MAI Code 2 или MAI Code 2 Flash в меню моделей.</li><li>В Copilot Business и Enterprise доступом управляет политика моделей в настройках Copilot. Новые модели включаются автоматически, если администратор не отключил глобальное включение по умолчанию или эту модель отдельно.</li><li>Если в организации используется MAI-Code-1.1-Flash, до 18 декабря 2026 года переключите сценарии на новую модель: GitHub <a href="https://github.blog/changelog/2026-11-17-upcoming-deprecation-of-mai-code-1-1-flash-in-december">выводит её из всех режимов Copilot</a> и предлагает замену «последней моделью MAI Code Flash».</li><li>Перед переводом команды на новую модель прогоните 10–20 типичных задач из своего репозитория и сравните расход и результат с текущей моделью.</li></ol><p>Вне Copilot MAI Code 2 Flash пока доступна только в ограниченном превью Microsoft Foundry. Microsoft обещает «скоро» выпустить модели на OpenRouter, Vercel, Hermes, OpenCode и Kilo, но дат не называет.</p><h2>Зачем Microsoft свои модели?</h2><p>На Ignite Microsoft показала семь новых моделей и сделала главным аргументом цену: «по мере того как расходы на токены взлетают», компания хочет дать модели, которые можно гонять в агентах круглосуточно. Кроме кодинга, MAI Code 2 Flash стала основой для MAI Work Flash, одной модели для продуктов Microsoft 365 и Fabric IQ.</p><p>Microsoft приводит по ней внутренние замеры: в Excel и PowerPoint модель на уровне GPT-6 Luna по точности и расходу токенов; в Word близка к GPT-6.1 Sol на пяти внутренних бенчмарках при примерно на 42% меньшем числе входных токенов на вызов; в Teams обходит GPT-6 Luna в отслеживании решений, восполнении пробелов в знаниях и следовании своим инструкциям, а в задачах на следование инструкциям и вызов инструментов тратит до 28% меньше токенов; в Fabric IQ, по офлайн-оценке, генерирует запросы DAX для Power BI лучше GPT-5.6 Sol, GPT-6 Astra и Opus 5.5. Все эти цифры — замеры самой Microsoft на внутренних наборах.</p><p>Для команд, которые сейчас выбирают модели под API, это ещё один кандидат в нижнем ценовом сегменте; как считать цену решённой задачи, мы разбирали в <a href="https://tproger.ru/articles/fable-5-1-gpt-6-astra-i-dewyovye-flash-chto-brat-v-api-v-sentyab">обзоре моделей сентября</a>. Следующий проверяемый шаг — появление MAI Code 2 на OpenRouter и в сторонних харнессах: тогда станет видно, как модель ведёт себя вне Copilot CLI, на задачах, которые выбирала не Microsoft, и после окончания акции.</p><p>Источники: <a href="https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/">Microsoft AI: Introducing MAI Code 2 and MAI Code 2 Flash</a>, <a href="https://microsoft.ai/news/microsoft-ignite-2026/">Microsoft AI: анонсы Ignite 2026</a>, <a href="https://github.blog/changelog/2026-11-17-mai-code-2-and-mai-code-2-flash-in-github-copilot">GitHub Changelog: MAI Code 2 and MAI Code 2 Flash in GitHub Copilot</a>, <a href="https://github.blog/changelog/2026-11-17-upcoming-deprecation-of-mai-code-1-1-flash-in-december">GitHub Changelog: Upcoming deprecation of MAI-Code-1.1-Flash</a>, <a href="https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing">GitHub Docs: Models and pricing for GitHub Copilot</a>, <a href="https://docs.github.com/en/copilot/reference/ai-models/supported-models">GitHub Docs: Supported AI models in GitHub Copilot</a></p><p>Изображение на обложке: Microsoft AI</p>]]></content:encoded>
    </item>
    <item>
      <title>Взломанный agent-framework от Microsoft крал токены Azure и GitHub из CI</title>
      <link>https://tproger.ru/news/vzlomannyj-agent-framework-ot-microsoft-kral-tokeny-azure-i-gith</link>
      <comments>https://tproger.ru/news/vzlomannyj-agent-framework-ot-microsoft-kral-tokeny-azure-i-gith?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/vzlomannyj-agent-framework-ot-microsoft-kral-tokeny-azure-i-gith</guid>
      <description><![CDATA[<p>Версии 1.26.1 и 1.26.2 через .pth-хук крали токены Azure, GitHub Actions и .env; Wiz связывает публикацию с сертификатом ESRP. Чистая версия — 1.26.0.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/vzlomannyj-agent-framework-ot-microsoft-kral-tokeny-azure-i-gith">Взломанный agent-framework от Microsoft крал токены Azure и GitHub из CI</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Python]]></category>
      <category><![CDATA[DevOps]]></category>
      <category><![CDATA[Microsoft]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:53:08 GMT</pubDate>
      <content:encoded><![CDATA[<p>17 ноября на PyPI вышли две вредоносные версии agent-framework — официального Python-пакета Microsoft для сборки ИИ-агентов: 1.26.1 и 1.26.2 запускали стилер, который пытался забрать ключи облаков, токены CI и файлы с паролями с каждой машины, где их установили. Версии продержались на PyPI меньше часа и удалены, последняя чистая — 1.26.0, говорится в <a href="https://osv.dev/vulnerability/PYSEC-2026-4388">advisory PYSEC-2026-4388</a> в базе OSV. Через несколько часов на GitHub перестали открываться репозитории microsoft/agent-framework и microsoft/onnxruntime; Microsoft эти два события не связывала и публично не комментировала.</p><p>Если у вас Python-проект с ИИ-агентами на Azure или GitHub Actions и зависимость agent-framework без жёсткой версии, проверьте, не собирался ли он с 23:35 мск 17 ноября до 00:30 мск 18 ноября: вредонос запускается при обычном старте Python в окружении, даже без import. Advisory требует считать такую машину или CI-задачу скомпрометированной и сменить все доступные с неё секреты. У тех, кто использует ONNX Runtime, недоступность репозитория ломает сборки, которые берут исходники или бинарники с GitHub; пакеты на PyPI и NuGet при этом ставятся.</p><ul><li>agent-framework 1.26.1 (20:35 UTC 17 ноября) и 1.26.2 (около 21:08 UTC) содержали стилер; обе удалены с PyPI, чистая версия — 1.26.0.</li><li>Вредонос стартует через .pth-файл при каждом запуске Python и собирает переменные окружения, файлы с токенами, токены Azure managed identity и OIDC-токены Azure DevOps и GitHub Actions.</li><li>По предположению Wiz, атакующий опубликовал пакет через внутренний сервис подписи и публикации Microsoft ESRP, завладев его клиентским сертификатом; как именно, неизвестно.</li><li>Что делать: найти версии 1.26.1 и 1.26.2 в lock-файлах, CI и образах, закрепить 1.26.0, пересобрать окружения и сменить секреты.</li><li>Репозитории microsoft/onnxruntime, microsoft/agent-framework и ещё несколько связанных с 18 ноября отдают 404; объяснений Microsoft нет, связь со взломом не подтверждена.</li></ul><h2>Что именно попало на PyPI и когда?</h2><p>agent-framework — Python-часть Microsoft Agent Framework, фреймворка для агентов и мультиагентных сценариев, который Microsoft представляет как преемника Semantic Kernel и AutoGen. Пакет на <a href="https://pypi.org/project/agent-framework/">PyPI</a> — метапакет: сам он почти пустой и тянет за собой agent-framework-core и интеграции. По оценке Aikido, его скачивают около 190 тыс. раз в месяц.</p><p>Хронология по отчётам <a href="https://www.aikido.dev/blog/two-malicious-agent-framework-releases-hit-pypi-in-33-minutes">Aikido</a> и <a href="https://www.wiz.io/blog/malicious-version-of-microsofts-agent-framework-published-to-pypi">Wiz</a> (время UTC):</p><ul><li>12 ноября, 18:25 — выходит легитимная версия 1.26.0;</li><li>17 ноября, 20:35 — на PyPI появляется 1.26.1 со стилером;</li><li>около 21:08 — выходит 1.26.2 с тем же стилером под другими именами файлов, 1.26.1 примерно тогда же снимают;</li><li>к 21:20–21:30 — обе версии недоступны, последней снова становится 1.26.0.</li></ul><p>Окно, в которое пакет можно было получить из PyPI, — около 45–55 минут. Этого хватает, чтобы его подтянули CI-сборки и свежие образы: Aikido отдельно предупреждает про кэши CI и контейнеры, собранные после 17 ноября. Официальное описание дали в <a href="https://osv.dev/vulnerability/PYSEC-2026-4388">PYSEC-2026-4388</a> (в OSV есть и запись MAL-2026-20101): версии загружены «без авторизации», «PyPI Security совместно с Microsoft проверила учётные записи проекта и завершила шаги по устранению» (перевод редакции). Сама Microsoft отдельного заявления на момент публикации не сделала.</p><p>Обе версии собраны из настоящего колеса 1.26.0: его распаковали, дописали файлы и загрузили снова. Aikido обратила внимание на признаки ручной сборки: у 1.26.0 колесо и архив исходников вышли с разницей около 40 секунд, а у вредоносных версий есть только колесо, в метаданных WHEEL остался старый шаблонный timestamp, а добавленные файлы имеют права rw-rw-rw-. Поскольку метапакет по-прежнему ставил настоящий agent-framework-core 1.26.0, фреймворк продолжал работать как обычно, и это затрудняло обнаружение подмены: выдать её могли разве что фоновые процессы и исходящие POST-запросы.</p><h2>Как работал стилер и что он забирал?</h2><p>Главный приём — .pth-файл. Python при обычном старте (без флага -S) читает такие файлы в site-packages и выполняет строки, начинающиеся с import. Поэтому код срабатывал при любом запуске интерпретатора в окружении, включая сам pip: pytest, линтер, скрипт миграции, даже если agent-framework в проекте не импортируется.</p><ul><li><b>1.26.1</b>: файл agent_framework_meta.pth и модуль agent_framework_meta/_telemetry.py, в agent_framework_meta/__init__.py дописан загрузчик;</li><li><b>1.26.2</b>: файлы af_runtime_diag.pth и af_runtime_diag.py, а __init__.py восстановлен байт в байт, так что сравнение только его с оригиналом подмену не покажет (на это указывает <a href="https://socket.dev/blog/agent-framework-pypi-package-compromised-with-credential-stealer">Socket</a>).</li></ul><p>Загрузчик ставит переменную _AF_TEL=1, чтобы сработать один раз на дерево процессов, и уходит в фон: на Linux и macOS через fork и setsid, на Windows отдельным потоком. Дальше, по описанию в advisory и у Aikido, он собирает:</p><ul><li>переменные окружения, в имени которых есть TOKEN, SECRET, KEY, AZURE, AWS, GITHUB, OPENAI и имена CI-переменных;</li><li>окружение других процессов из /proc/*/environ (у Aikido — до 300 процессов);</li><li>файлы до 256 КБ: ~/.azure, pip.conf, .npmrc, .netrc, .git-credentials, конфиг Docker, токен Hugging Face, файл .credentials агента Azure DevOps и .env в /app и /workspace;</li><li>OIDC-токен Azure DevOps через SYSTEM_ACCESSTOKEN;</li><li>токены Azure managed identity для ARM, Graph, Key Vault, Storage, ACR, Azure DevOps и AzureADTokenExchange плюс метаданные виртуальной машины из IMDS (169.254.169.254);</li><li>в 1.26.2 дополнительно — OIDC-токены GitHub Actions и временные файлы раннера.</li></ul><p>Собранное сжимается, кодируется в base64 и уходит POST-запросом на публичный адрес сервиса webhook.site. По сути это набор для захвата облачной инфраструктуры: managed identity и федеративные OIDC-токены CI часто имеют права деплоя в Azure, а токены реестров позволяют выпускать новые версии чужих пакетов.</p><h2>Как атакующий получил право публиковать пакет Microsoft?</h2><p>Точного ответа нет. По версии <a href="https://www.wiz.io/blog/malicious-version-of-microsofts-agent-framework-published-to-pypi">Wiz</a>, атакующий, по-видимому, завладел клиентским сертификатом и закрытым ключом для ESRP — внутреннего сервиса Microsoft, через который пакет подписывается и публикуется. Первая попытка публикации из AWS упёрлась в фильтр IP-адресов ESRP, вторая, из адресного пространства Microsoft, прошла. Как были получены учётные данные, Wiz не знает; Microsoft это не комментировала. <a href="https://opensourcemalware.com/blog/agent-framework-pypi-compromised">OpenSourceMalware</a> также пишет, что релизы вышли от легитимного издателя проекта, а не под похожим названием.</p><p>Wiz смогла увидеть часть операции, потому что инструменты атакующего отчитывались о ходе работы на тот же публичный webhook, куда уходили украденные данные. Из 50 запросов, которые исследователи там застали, четыре пришли с машин самого атакующего, 29 — из песочниц, сканеров вендоров и тестов, а оставшиеся 17 соответствуют трём уникальным случаям реальной утечки данных жертв. Это нижняя оценка: Wiz видела только то, что ещё хранилось на бесплатном тарифе webhook.site.</p><h2>Что сделать прямо сейчас?</h2><p>Шаги ниже собраны из <a href="https://osv.dev/vulnerability/PYSEC-2026-4388">advisory</a>, <a href="https://www.aikido.dev/blog/two-malicious-agent-framework-releases-hit-pypi-in-33-minutes">Aikido</a> и <a href="https://www.wiz.io/blog/malicious-version-of-microsofts-agent-framework-published-to-pypi">Wiz</a>. Начните с поиска версий, не запуская Python и pip из подозрительного окружения: сам запуск интерпретатора активирует .pth-хук.</p><ol><li>Закрепите agent-framework==1.26.0 и пересоберите окружения, кэши CI и контейнерные образы, собранные с 17 ноября. Удаление пакета не возвращает уже отправленные данные.</li><li>Если версия 1.26.1 или 1.26.2 где-то стояла, считайте машину или CI-задачу скомпрометированной и смените всё, что было доступно из неё: сессии Azure CLI, PAT и сервисные подключения Azure DevOps, учётные данные service principal, токены GitHub, npm, PyPI, Hugging Face, реестров Docker, содержимое .env.</li><li>Проверьте журналы входа Entra ID для service principal и федеративных учётных данных, которые используют пайплайны, а также managed identity, доступные с затронутых машин.</li><li>Для workflow GitHub Actions с id-token: write, куда попала 1.26.2, считайте OIDC-токены раскрытыми и проверьте связанные федеративные учётные данные.</li><li>Найдите в логах прокси и DNS обращения к webhook.site, а в HTTP-логах — User-Agent af-runtime-diagnostics/1 (1.26.1) и runtime-diagnostics/1 (1.26.2).</li></ol><p>Хэши SHA256 вредоносных колёс из advisory: agent_framework-1.26.1-py3-none-any.whl — d27fa34414e6201d5e03e559ef634f020057554d7b3f4898dd5d7cd3e989e110; agent_framework-1.26.2-py3-none-any.whl — 3d20a8bc91351a9a16b6db243b848ceca0206b7a8623b02d2af553a9c9f7e0a9. Адрес эксфильтрации: webhook[.]site/d381fd80-ec62-42ad-8f5c-d1b15103c9bb.</p><p>В отчётах названы только PyPI-версии 1.26.1 и 1.26.2. Пакет agent-framework-core, .NET-пакеты Microsoft Agent Framework в NuGet и пакеты ONNX Runtime в advisory не упоминаются.</p><h2>Почему исчезли репозитории ONNX Runtime и agent-framework?</h2><p>Это неизвестно. В ночь на 18 ноября пользователи заметили, что github.com/microsoft/onnxruntime отдаёт 404: <a href="https://news.ycombinator.com/item?id=50539610">тред на Hacker News</a> появился в 23:18 UTC 17 ноября, <a href="https://github.com/onnx/onnx/issues/8842">issue в репозитории onnx/onnx</a> — в 23:48 UTC, с жалобой, что исчезновение ломает CI. Позже обнаружилось, что недоступен и microsoft/agent-framework.</p><p>Редакция проверила состояние через GitHub API 18 ноября около 19:30 мск. Ответ 404 дают microsoft/onnxruntime, microsoft/agent-framework, microsoft/onnxruntime-genai, microsoft/onnxruntime-extensions, microsoft/onnxruntime-inference-examples, microsoft/onnxruntime-training-examples и microsoft/onnxconverter-common. При этом microsoft/semantic-kernel, microsoft/autogen, microsoft/Olive и microsoft/agent-framework-samples открываются, как и спецификация формата onnx/onnx. Ответ 404 вместо редиректа означает, что репозиторий удалён или переведён в приватные; при переносе в другую организацию GitHub отдавал бы перенаправление.</p><p>Официальных объяснений от Microsoft на момент публикации нет. В обсуждении на Hacker News высказывали две версии: что Microsoft закрыла репозитории в ответ на взлом и что идёт реорганизация к конференции Ignite. Обе не подтверждены, и в отчётах Aikido, Wiz и Socket о взломе пакета репозитории не упоминаются. Совпадение по времени есть, доказательств связи на момент публикации нет.</p><p>Практические последствия для пользователей ONNX Runtime такие. pip install onnxruntime работает, на PyPI последняя версия 1.32.0 от 13 ноября; в NuGet Microsoft.ML.OnnxRuntime тоже доступна 1.32.0; сайт с документацией <a href="https://onnxruntime.ai/">onnxruntime.ai</a> открывается. Ломаются сборки, которые берут исходники из репозитория или скачивают готовые архивы из GitHub Releases: ссылка на onnxruntime-linux-x64-1.32.0.tgz при нашей проверке отдавала 404. Пропали также исходники, issue-трекер и обсуждения.</p><p>Если ваш CI тянет бинарники ONNX Runtime с GitHub, переключите его на пакеты из PyPI, NuGet или Maven либо на свой зеркальный реестр артефактов. Форки на GitHub существуют, но собирать из случайного форка без сверки коммитов с оригиналом в ситуации со свежим взломом пакета того же вендора рискованно.</p><h2>Что дальше</h2><p>Остаются открытыми три вопроса: действительно ли утёк сертификат ESRP и как, затронуты ли этим каналом публикации другие пакеты Microsoft и вернутся ли недоступные репозитории. Пока Microsoft не выпустила разбор, имеет смысл закрепить версии всех её Python-пакетов в lock-файлах и не обновлять их автоматически. Похожие атаки на цепочку поставок PyPI в этом году уже были — <a href="https://tproger.ru/news/volna-supply-chain-atak-na-pypi--razbiraem-litellm--telnyx-i-tri">LiteLLM, telnyx и Trivy</a> и <a href="https://tproger.ru/news/ataka-na-npm-i-pypi-404-vredonosnye-versii-v-tanstack-mistral">волна в TanStack, Mistral AI и UiPath</a>; про выбор фреймворка для агентов — в <a href="https://tproger.ru/articles/kak-vybrat-frejmvork-dlya-ii-agentov">нашем обзоре</a>.</p><p>Источники: <a href="https://osv.dev/vulnerability/PYSEC-2026-4388">OSV: PYSEC-2026-4388</a>, <a href="https://www.aikido.dev/blog/two-malicious-agent-framework-releases-hit-pypi-in-33-minutes">Aikido: Two malicious agent-framework releases hit PyPI in 33 minutes</a>, <a href="https://www.wiz.io/blog/malicious-version-of-microsofts-agent-framework-published-to-pypi">Wiz: Microsoft agent-framework compromised</a>, <a href="https://socket.dev/blog/agent-framework-pypi-package-compromised-with-credential-stealer">Socket: agent-framework PyPI package compromised</a>, <a href="https://opensourcemalware.com/blog/agent-framework-pypi-compromised">OpenSourceMalware: agent-framework PyPI compromised</a>, <a href="https://bad-packages.kam193.eu/pypi/campaign/2026-11-compr-agent-framework">bad-packages: кампания 2026-11-compr-agent-framework</a>, <a href="https://news.ycombinator.com/item?id=50539610">Hacker News: ONNX Runtime has disappeared from GitHub</a>, <a href="https://github.com/onnx/onnx/issues/8842">onnx/onnx: issue 8842</a></p><p>Изображение на обложке: Скриншот: GitHub, страница microsoft/agent-framework</p>]]></content:encoded>
    </item>
    <item>
      <title>Gemini API режет документы и видео на куски и берёт деньги только за них</title>
      <link>https://tproger.ru/news/gemini-api-rezhet-dokumenty-i-video-na-kuski-i-beryot-dengi-tolk</link>
      <comments>https://tproger.ru/news/gemini-api-rezhet-dokumenty-i-video-na-kuski-i-beryot-dengi-tolk?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/gemini-api-rezhet-dokumenty-i-video-na-kuski-i-beryot-dengi-tolk</guid>
      <description><![CDATA[<p>Параметр processing в Gemini API отдаёт модели только нужные страницы, ячейки или отрезок видео; 300 страниц на medium — около 168 тыс. токенов.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/gemini-api-rezhet-dokumenty-i-video-na-kuski-i-beryot-dengi-tolk">Gemini API режет документы и видео на куски и берёт деньги только за них</a>»</p>]]></description>
      <category><![CDATA[API]]></category>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:47:22 GMT</pubDate>
      <content:encoded><![CDATA[<p>Google 18 ноября дала разработчикам в Gemini API <a href="https://ai.google.dev/gemini-api/docs/changelog#11-18-2026">возможность «нарезать» файлы</a>: из PDF, документа Word или презентации можно отправить модели только выбранные страницы, из таблицы Excel — конкретный лист и диапазон ячеек, из видео и аудио — отрезок по времени. Вдобавок можно выбрать слой содержимого: картинки страниц, извлечённый текст, формулы, кадры, звук или расшифровку. Токены, а значит и деньги, считаются только за отправленный кусок.</p><p>Для тех, кто строит RAG и агентов над офисными документами, это прямая экономия и меньше кода. Раньше, чтобы показать модели пять страниц из отчёта на 300 страниц, приходилось самому резать PDF или конвертировать документ в текст. Теперь файл загружается один раз через Files API, а нужный фрагмент описывается в запросе. Та же нарезка работает и в ответах функций, поэтому агент может сам «листать» документ по частям.</p><ul><li>Новый параметр processing у блоков document, video и audio задаёт страницы, лист и ячейки, временной отрезок и слои содержимого; работает на всех моделях Gemini 3 и Gemini 4+.</li><li>Оплачиваются только выбранные страницы, листы, отрезки и слои; модель при этом видит общее число страниц и названия листов.</li><li>Страница стоит около 280, 560 или 1 120 токенов при разрешении low, medium (по умолчанию) или high; 300 страниц на medium — около 168 тыс. токенов.</li><li>Ограничения файла прежние и считаются по всему файлу: до 50 МБ, до 1 000 страниц PDF, до 2 000 страниц или слайдов Office, до 50 тыс. ячеек на лист.</li><li>Поддержка DOCX, PPTX и XLSX появилась раньше: 18 ноября Google объявила её вместе с нарезкой, а 5 ноября добавила PPT, ODP и ODS.</li></ul><h2>Что нового, а что было и раньше?</h2><p>В записи журнала изменений от 18 ноября Google пишет, что «теперь можно» передавать файлы Microsoft Office и OpenDocument напрямую. Но по тому же журналу поддержка Office появилась раньше: <a href="https://ai.google.dev/gemini-api/docs/changelog#11-05-2026">5 ноября</a> Google добавила форматы PPT, ODP и ODS, а для DOCX, DOTX, ODT, PPTX, XLSX и XLS обработка тогда, по её словам, «не изменилась». В тот же день ответы функций научились возвращать модели Office-файлы, аудио и видео. По-настоящему новое 18 ноября — нарезка и выбор слоёв.</p><p>Сейчас Gemini API принимает <a href="https://ai.google.dev/gemini-api/docs/document-processing#office-documents">десять офисных форматов</a>: документы .docx, .doc, .dotx, .odt, презентации .pptx, .ppt, .odp и таблицы .xlsx, .xls, .ods. Передаются они так же, как PDF: блоком типа document с соответствующим MIME-типом, inline или через Files API. TXT, Markdown, HTML и XML по-прежнему читаются как простой текст, без вёрстки и графиков.</p><p>Если параметр processing не указан, файл обрабатывается целиком, и поведение зависит от поколения модели:</p><p>Как Gemini читает офисные файлы без настроек</p><table><thead><tr><th>Формат</th><th>Gemini 4 и новее</th><th>Gemini 3 и 2.5</th></tr></thead><tbody><tr><td>.docx, .dotx, .odt, .pptx</td><td>Картинки страниц или слайдов, около 560 токенов на страницу</td><td>Извлечённый текст и вложенные изображения</td></tr><tr><td>.doc, .ppt, .odp</td><td>Картинки страниц или слайдов, около 560 токенов на страницу</td><td>Картинки страниц или слайдов</td></tr><tr><td>.xlsx, .xls</td><td>Все листы: значения, формулы, названия листов</td><td>Все листы как CSV, только значения</td></tr><tr><td>.ods</td><td>Все листы: значения, формулы, названия листов</td><td>Все листы: значения, формулы, названия листов</td></tr></tbody></table><p>Источник: документация Gemini API, раздел Office and OpenDocument files</p><p>Отсюда практический вывод, который легко пропустить: при переходе на Gemini 4 документ Word по умолчанию начинает читаться как набор картинок страниц, а не как текст. Для длинных документов это заметно больше токенов, и как раз здесь нарезка и выбор слоя помогают.</p><h2>Как вырезать страницы, листы и ячейки?</h2><p>Нарезка задаётся объектом processing с типом static прямо в блоке файла (<a href="https://ai.google.dev/gemini-api/docs/document-processing#customize-document-processing">документация</a>). Для PDF, документов и презентаций используется page_options (<a href="https://ai.google.dev/gemini-api/docs/document-processing#page-options">раздел о страницах</a>):</p><ul><li>start_page и end_page — диапазон страниц, нумерация с 1, обе границы включительно. Ноль или отрицательное число дают ошибку 400 INVALID_ARGUMENT, начало за пределами документа даёт пустой срез, а слишком большой конец обрезается до последней страницы.</li><li>content_layers — что отдать модели: page_image (картинка страницы), page_text (извлечённый текст) или оба слоя. Если processing задан, по умолчанию берётся только картинка.</li><li>resolution во внешнем блоке — low, medium или high: около 280, 560 или 1 120 токенов на страницу.</li></ul><p>Пример из документации, переведённый редакцией: модель получает только страницы с 3 по 7 отчёта в высоком разрешении.</p><p>Google сама советует двухпроходную схему для больших документов и презентаций: сначала прочитать файл слоем page_text, а затем запросить page_image в высоком разрешении только для страниц с графиками или плотной вёрсткой.</p><p>Для таблиц .xlsx, .xls и .ods есть spreadsheet_options (<a href="https://ai.google.dev/gemini-api/docs/document-processing#spreadsheet-options">раздел о таблицах</a>). sheet_index выбирает лист по порядку вкладок, начиная с 1; без него читаются все листы, до 50 тыс. ячеек на каждом. visible_cells принимает диапазон в нотации A1, например A1:G40. Слоёв три: data (вычисленные значения), formulas (исходные формулы) и visual (снимок листа с графиками и оформлением); по умолчанию берутся первые два. Так выглядит блок для проверки формул и графика на втором листе:</p><h2>Как это работает с видео и аудио?</h2><p>Для видео в режиме static задаются start_offset и end_offset строками с секундами, например "1200s" или "10.5s", частота кадров fps от 0 (не включая) до 24 и слои content_layers (<a href="https://ai.google.dev/gemini-api/docs/video-understanding#customize-video-processing">документация по видео</a>). Слоёв три: frames — кадры, оплачиваются по разрешению и частоте; audio — звуковая дорожка по аудиотарифу; transcript — расшифровка с таймкодами, оплачивается как текст. По умолчанию берутся кадры и звук.</p><p>Документация <a href="https://ai.google.dev/gemini-api/docs/video-understanding#video-content-layers">предлагает</a> для длинных роликов сначала запросить только расшифровку, найти по ней нужные таймкоды, а потом отправить этот отрезок с кадрами. Второй шаг из примера Google: 45 секунд записи доклада с частотой 2 кадра в секунду, без звука.</p><p>Для аудио всё проще: в блоке audio задаются только start_offset и end_offset, и оплачивается только вырезанная длительность (<a href="https://ai.google.dev/gemini-api/docs/audio#clipping-intervals">документация по аудио</a>). Начало за пределами записи даёт ошибку 400, конец обрезается до длины файла. Аудио по-прежнему стоит 32 токена в секунду, то есть 1 920 токенов в минуту, а в одном запросе можно передать до 9,5 часа звука.</p><p>Нарезку видео не стоит путать с агентным режимом, который <a href="https://ai.google.dev/gemini-api/docs/video-understanding#technical-details-video">поддерживают</a> Gemini 4 Carbon, Gemini 4 Argon, 3.8 Flash, 3.6 Flash и 3.5 Flash-Lite. В агентном режиме модель сама решает, какие кадры и куски расшифровки загрузить, и, по оценке Google, тратит на длинных роликах до 88% меньше токенов. Нарезка в режиме static — ручное управление: отрезок выбирает разработчик, и счёт предсказуем заранее.</p><h2>Зачем нарезка в ответах функций?</h2><p>Самое интересное для агентов — что те же параметры работают внутри function_result (<a href="https://ai.google.dev/gemini-api/docs/function-calling#file-inspection-options">документация по вызову функций</a>). Инструмент агента может вернуть не весь файл, а запрошенные страницы, диапазон ячеек или отрезок видео. Модель автоматически получает метаданные файла — общее число страниц и названия листов — и может на следующем шаге попросить другой диапазон.</p><p>В примере Google разработчик объявляет функцию inspect_document_pages с параметрами start_page и end_page. Модель вызывает её, а код в ответ отдаёт тот же PDF из Files API с page_options, собранными из аргументов вызова. Получается «пагинация» по документу, которой управляет сама модель: ей не нужно держать в контексте весь файл, чтобы найти нужный раздел.</p><h2>Сколько это экономит на деле?</h2><p>Google обещает, что с параметрами processing токены <a href="https://ai.google.dev/gemini-api/docs/document-processing#technical-details">считаются и оплачиваются</a> только за выбранные страницы, листы и слои. Посчитаем на примере. Отчёт на 300 страниц в разрешении medium по умолчанию — около 560 токенов на страницу, или около 168 тыс. токенов. При цене ввода <a href="https://ai.google.dev/gemini-api/docs/pricing#gemini-4-hydrogen">Gemini 4 Hydrogen</a> $1,5 за 1 млн токенов это около $0,25 за каждый запрос с полным документом. Пять нужных страниц — около 2 800 токенов, то есть меньше полуцента. Если же агент обращается к документу десятки раз за сессию, разница становится заметной.</p><p>Для видео ориентиры такие: в режиме static около 100 токенов на секунду при разрешении по умолчанию и около 300 при высоком (<a href="https://ai.google.dev/gemini-api/docs/video-understanding#technical-details-video">технические детали</a>). Час записи — порядка 360 тыс. токенов, пятиминутный отрезок — около 30 тыс. Это расчёт редакции по документации; реальное число зависит от разрешения, частоты кадров и выбранных слоёв.</p><p>Есть и оговорки. Лимиты по размеру применяются ко всему загруженному файлу, даже если нужен один лист: до 50 МБ на файл, до 1 000 страниц на PDF и до 2 000 страниц или слайдов на офисный файл. Страницы рендерятся в картинки около 2 мегапикселей (288 DPI), и разрешение исходника на цену не влияет. А для моделей Gemini 2.5 Google указывает фиксированные 258 токенов на страницу; нарезка, по документации, работает только на Gemini 3 и новее.</p><h2>Что сделать, чтобы попробовать?</h2><ol><li>Проверить доступ: Gemini API официально не поддерживается в России, её <a href="https://ai.google.dev/gemini-api/docs/available-regions">нет в списке регионов</a>.</li><li>Загрузить большой файл через Files API один раз и дальше ссылаться на его URI с разными параметрами processing, а не пересылать файл inline.</li><li>Для длинных документов сначала прочитать их слоем page_text, а page_image в высоком разрешении запрашивать только для страниц с графиками.</li><li>Для таблиц явно указывать sheet_index и visible_cells: без них модель получает все листы.</li><li>При переходе с Gemini 3 на Gemini 4 проверить расход токенов на DOCX и PPTX: по умолчанию они теперь читаются картинками страниц.</li><li>В агентах вернуть из инструмента файл с page_options вместо целого документа и дать модели самой запрашивать следующие страницы.</li></ol><p>Google не уточнила, будут ли нарезка и выбор слоёв перенесены в старый метод generateContent: все примеры в документации написаны для Interactions API. Неделей раньше компания вывела в общий доступ <a href="https://tproger.ru/news/google-vypustila-gemini-4-hydrogen-s-besplatnym-dostupom-v-api">Gemini 4 Hydrogen</a> — на ней построены все примеры документации к новой функции. Про другие способы работы с видеозаписями мы писали в <a href="https://tproger.ru/articles/kak-perevesti-video-v-tekst-i-tajmkody-v-2026-godu-5-rabochih-sp">обзоре инструментов расшифровки</a>.</p><p>Источники: <a href="https://ai.google.dev/gemini-api/docs/changelog#11-18-2026">Gemini API: журнал изменений, 18 ноября 2026</a>, <a href="https://ai.google.dev/gemini-api/docs/document-processing#customize-document-processing">Document understanding: Customize processing</a>, <a href="https://ai.google.dev/gemini-api/docs/video-understanding#customize-video-processing">Video understanding: Customize video processing</a>, <a href="https://ai.google.dev/gemini-api/docs/audio#clipping-intervals">Audio understanding: Clip audio intervals</a>, <a href="https://ai.google.dev/gemini-api/docs/function-calling#file-inspection-options">Function calling: Slice and inspect files</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Gemini 3.5 Transcribe научилась править текст голосовыми командами</title>
      <link>https://tproger.ru/news/gemini-3-5-transcribe-nauchilas-pravit-tekst-golosovymi-komanda</link>
      <comments>https://tproger.ru/news/gemini-3-5-transcribe-nauchilas-pravit-tekst-golosovymi-komanda?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/gemini-3-5-transcribe-nauchilas-pravit-tekst-golosovymi-komanda</guid>
      <description><![CDATA[<p>Модели gemini-3.5-transcribe и transcribe-live правят текст голосовыми командами: source_text до 64 КиБ, режим smart, цена около $0,005 за минуту.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/gemini-3-5-transcribe-nauchilas-pravit-tekst-golosovymi-komanda">Gemini 3.5 Transcribe научилась править текст голосовыми командами</a>»</p>]]></description>
      <category><![CDATA[API]]></category>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:47:01 GMT</pubDate>
      <content:encoded><![CDATA[<p>Google 17 ноября добавила в модели распознавания речи gemini-3.5-transcribe и gemini-3.5-transcribe-live голосовое редактирование: теперь голосом можно не только надиктовать текст, но и исправить, переписать или отформатировать его, в том числе уже готовый текст, переданный в запросе. Об этом говорится в <a href="https://ai.google.dev/gemini-api/docs/changelog#11-17-2026">журнале изменений Gemini API</a>. Функция работает и для записанных файлов, и в потоковом режиме через Live API.</p><p>Для разработчика это значит, что связку «распознать речь, потом отдать текст языковой модели с инструкцией „поправь“» можно заменить одним вызовом модели распознавания. Фраза «перенеси встречу на 15:30» больше не попадёт в документ дословно: модель поймёт, что это команда, применит её к тексту и вернёт результат целиком. Это пригодится тем, кто делает голосовой ввод в заметках, почте, тикетах и редакторах.</p><ul><li>Голосовое редактирование появилось 17 ноября 2026 года в gemini-3.5-transcribe (файлы) и gemini-3.5-transcribe-live (поток через Live API).</li><li>Оно включено по умолчанию в «умном» режиме транскрибации (mode: smart); в дословном режиме verbatim его нет.</li><li>Готовый текст для правки передаётся в поле source_text размером до 64 КиБ; модель возвращает весь исправленный текст, а не только изменения.</li><li>Умный режим несовместим с пословными таймкодами и разметкой спикеров; Live-сессия длится до 10 минут.</li><li>Цены не менялись: около $0,005 за минуту для Transcribe и около $0,009 за минуту для Transcribe Live, по оценке Google.</li></ul><h2>Что именно умеет голосовое редактирование?</h2><p>Модели Gemini 3.5 Transcribe вышли <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/">26 августа 2026 года</a>. У них два режима транскрибации (<a href="https://ai.google.dev/gemini-api/docs/transcribe#transcription-modes">документация</a>). Дословный verbatim включён по умолчанию и записывает всё сказанное, включая «эм», повторы и оговорки. «Умный» smart чистит речь: убирает слова-паразиты и фальстарты, сам применяет оговорки вроде «во вторник, нет, в среду», раскладывает перечисления в нумерованные списки и форматирует даты, суммы и числа.</p><p>Голосовое редактирование стало частью умного режима и <a href="https://ai.google.dev/gemini-api/docs/transcribe#voice-editing">включено в нём по умолчанию</a>. Пользователь может в одной записи надиктовать текст и тут же дать голосовую команду, например «удали второе предложение». А можно передать уже существующий текст в поле source_text, и тогда сказанное будет применено к нему как инструкция. Модель возвращает в output_text полный обновлённый текст.</p><p>В документации Google приводит пять типов правок с примерами на английском (здесь в пересказе редакции):</p><ul><li><b>точечная замена</b>: «поменяй время на 15:30 и упомяни, что будет видеосвязь» — меняется время и добавляется упоминание видеосвязи, остальной текст сохраняется;</li><li><b>смена тона</b>: «сделай формальнее» — разговорная фраза переписывается официальным стилем;</li><li><b>структура</b>: «оформи пункты как нумерованный список» — перечисление в строке превращается в список;</li><li><b>дописывание</b>: «добавь предложение с вопросом, можно ли завтра утром обсудить задержки» — новый текст дописывается в конец;</li><li><b>удаление</b>: «удали второе предложение».</li></ul><p>Похожую функцию пользователи Android уже видели: в <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/">августовском анонсе</a> Google писала, что в Gboard режим Rambler на этой модели позволяет голосом исправлять опечатки и менять стиль текста. Теперь то же поведение <a href="https://ai.google.dev/gemini-api/docs/changelog#11-17-2026">открыто в API</a>. Русский язык (ru-RU) входит в список поддерживаемых, но примеры правок в документации только на английском, и отдельных оценок качества редактирования Google не публиковала.</p><h2>Как включить правку текста в запросе?</h2><p>Для обычной модели запрос идёт через Interactions API. Чтобы просто диктовать с голосовыми правками, достаточно указать "mode": "smart". Чтобы править готовый текст, режим задаётся объектом с типом smart и полем source_text. Пример по мотивам <a href="https://ai.google.dev/gemini-api/docs/transcribe#voice-editing">документации</a> (текст и команда переведены редакцией):</p><p>Каждый такой запрос независим: сервер не помнит предыдущий текст. Для цепочки правок Google <a href="https://ai.google.dev/gemini-api/docs/transcribe#voice-editing">советует</a> передавать output_text из прошлого ответа в source_text следующего запроса. Размер source_text ограничен 64 КиБ (65 536 байт); для кириллицы в UTF-8, где буква занимает 2 байта, это примерно 32 тыс. символов.</p><p>В потоковом режиме всё устроено иначе (<a href="https://ai.google.dev/gemini-api/docs/live-api/live-transcribe#voice-editing">документация Live</a>). Режим SMART задаётся в input_audio_transcription при открытии сессии, а сервер сам держит текущий текст и после каждой законченной реплики применяет к нему новую команду. Начать можно с пустого поля или передать исходный текст один раз при настройке сессии:</p><p>Google советует сочетать голосовое редактирование с ручным определением активности голоса (режим push-to-talk, когда клиент сам отмечает начало и конец реплики), чтобы паузы, пока человек обдумывает команду, не обрывали реплику раньше времени.</p><h2>Где можно ошибиться при интеграции?</h2><p>Документация перечисляет несколько ловушек, о которые легко споткнуться при переходе с дословного режима (<a href="https://ai.google.dev/gemini-api/docs/live-api/live-transcribe#smart-transcription">раздел про умный режим</a>):</p><ul><li>В Live-режиме SMART поле server_content.input_transcription.text на каждой реплике содержит весь текст сессии, а не только новый фрагмент. Клиент должен заменять буфер документа, а не дописывать в него, иначе прошлые реплики продублируются.</li><li>Промежуточные interim_input_transcription в умном режиме показывают дословно произносимую команду, а не отредактированный документ. Обновлять текст нужно только по финальному input_transcription.</li><li>Если команда стёрла весь текст («удали всё»), поле text приходит незаполненным, и его надо трактовать как пустую строку.</li><li>source_text принимается только при настройке Live-сессии. Если пользователь поправил текст с клавиатуры посреди сессии, придётся переподключиться и передать новый текст.</li></ul><p>Есть и ограничения модели (<a href="https://ai.google.dev/gemini-api/docs/transcribe#limitations">раздел ограничений</a>). Умный режим нельзя совмещать с пословными таймкодами и разметкой спикеров: если нужны они, остаётся дословный режим. Обычная модель принимает аудио до часа (до 30 минут с разметкой спикеров или таймкодами), а более длинная запись обрезается молча, со статусом completed. <a href="https://ai.google.dev/gemini-api/docs/live-api/live-transcribe#limitations">Live-сессия</a> длится до 10 минут, разметки спикеров и пословных таймкодов в потоке нет. Словарь терминов принимает до 1 000 слов, но лучший результат, по данным Google, обычно получается при сотне.</p><h2>Сколько это стоит и кому пригодится?</h2><p>Отдельной платы за голосовое редактирование в документации нет, тарифы моделей указаны прежние (<a href="https://ai.google.dev/gemini-api/docs/pricing#gemini-3.5-transcribe">страница цен</a>). На бесплатном уровне обе модели бесплатны, но данные на нём Google может использовать для улучшения своих продуктов. На платном уровне:</p><p>Цены Gemini 3.5 Transcribe на платном уровне</p><table><thead><tr><th>Модель</th><th>Вход (аудио)</th><th>Выход (текст)</th><th>Оценка Google за минуту</th></tr></thead><tbody><tr><td>gemini-3.5-transcribe</td><td>$2 за 1 млн токенов (около $0,003 в минуту)</td><td>$12 за 1 млн токенов (около $0,002 в минуту)</td><td>около $0,005</td></tr><tr><td>gemini-3.5-transcribe-live</td><td>$3,5 за 1 млн токенов (около $0,005 в минуту)</td><td>$21 за 1 млн токенов (около $0,004 в минуту)</td><td>около $0,009</td></tr></tbody></table><p>Источник: страница цен Gemini API; оценка Google исходит из 25 аудиотокенов в секунду на входе и 175 текстовых токенов в минуту на выходе</p><p>Оговорка из нашего прочтения цен: оценка за минуту рассчитана на обычную расшифровку, где на выходе около 175 токенов в минуту. При редактировании модель каждый раз возвращает весь текст целиком. Поэтому правка длинного документа короткой голосовой командой, по нашей оценке, обойдётся дороже минутной оценки: основную часть счёта составит выходной текст, а не аудио. Как тарифицируется сам source_text на входе, документация отдельно не поясняет.</p><p>Кому это полезно: тем, кто встраивает диктовку в рабочие инструменты (заметки, почта, CRM, тикеты, редакторы кода) и сейчас пишет поверх распознавания отдельный слой с LLM для правок. Для голосовых агентов, которые <a href="https://tproger.ru/articles/kak-sobrat-golosovogo-ii-agenta-v-2026-godu-livekit-pipecat-i">собирают на LiveKit или Pipecat</a>, это не замена диалоговой модели: Live Transcribe — конвейер распознавания речи, он не ведёт разговор. Тем, кому нужна расшифровка встреч с таймкодами и спикерами, обновление ничего не меняет: эти функции живут в дословном режиме, где правок нет. Другие способы расшифровки мы собирали в <a href="https://tproger.ru/articles/kak-perevesti-video-v-tekst-i-tajmkody-v-2026-godu-5-rabochih-sp">отдельном материале</a>.</p><h2>Что сделать, чтобы попробовать?</h2><ol><li>Проверить доступ: Google AI Studio и Gemini API официально не поддерживаются в России, её <a href="https://ai.google.dev/gemini-api/docs/available-regions">нет в списке регионов</a>; Казахстан, Армения, Узбекистан и Грузия в списке есть.</li><li>Взять SDK google-genai с поддержкой Interactions API и указать api_version: v1beta, как в примерах документации.</li><li>Для диктовки с правками выставить transcription_config.mode = "smart", для правки готового текста передать объект {"type": "smart", "source_text": ...}.</li><li>В Live-клиенте заменить дописывание на замену буфера по финальному input_transcription и включить ручной VAD.</li><li>Попробовать без кода можно в <a href="https://aistudio.google.com/live?model=gemini-3.5-transcribe-live">Google AI Studio</a>.</li></ol><p>Google не сообщила, появится ли голосовое редактирование в дословном режиме и будут ли опубликованы замеры качества правок. <a href="https://ai.google.dev/gemini-api/docs/models/gemini-3.5-transcribe">Страница модели</a> по-прежнему указывает август 2026 года как последнее обновление: новая функция пришла как изменение API, без новой версии модели. Из соседних обновлений Gemini API на прошлой неделе — быстрая модель <a href="https://tproger.ru/news/google-vypustila-gemini-4-hydrogen-s-besplatnym-dostupom-v-api">Gemini 4 Hydrogen</a>, которую Google вывела в общий доступ 12 ноября.</p><p>Источники: <a href="https://ai.google.dev/gemini-api/docs/changelog#11-17-2026">Gemini API: журнал изменений, 17 ноября 2026</a>, <a href="https://ai.google.dev/gemini-api/docs/transcribe#voice-editing">Audio transcription: Voice editing</a>, <a href="https://ai.google.dev/gemini-api/docs/live-api/live-transcribe#voice-editing">Live transcription: Voice editing</a>, <a href="https://ai.google.dev/gemini-api/docs/pricing#gemini-3.5-transcribe">Цены Gemini API</a></p><p>Изображение на обложке: Google</p>]]></content:encoded>
    </item>
    <item>
      <title>Vibe от Mistral вышел на десктопе и ведёт несколько агентов в одном окне</title>
      <link>https://tproger.ru/news/vibe-ot-mistral-vywel-na-desktope-i-vedyot-neskolko-agentov-v-od</link>
      <comments>https://tproger.ru/news/vibe-ot-mistral-vywel-na-desktope-i-vedyot-neskolko-agentov-v-od?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/vibe-ot-mistral-vywel-na-desktope-i-vedyot-neskolko-agentov-v-od</guid>
      <description><![CDATA[<p>Vibe Desktop запускает агента локально или в облаке, ведёт задачи в worktree и подсессиях; Pro стоит $14,99, код LECHONK даёт три месяца в Европе.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/vibe-ot-mistral-vywel-na-desktope-i-vedyot-neskolko-agentov-v-od">Vibe от Mistral вышел на десктопе и ведёт несколько агентов в одном окне</a>»</p>]]></description>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Разработка]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 13:29:00 GMT</pubDate>
      <content:encoded><![CDATA[<p>Mistral выпустила свой агент для программирования Vibe в виде настольного приложения для macOS и Windows: компания <a href="https://x.com/MistralAI/status/2122713547952324750">впервые упомянула</a> Vibe Desktop 17 ноября, а 18 ноября <a href="https://x.com/MistralAI/status/2123073168659141119">анонсировала его отдельно</a> и добавила промокодов на бесплатный Pro. В одном окне можно запускать агента на локальном репозитории или в облачной песочнице, вести несколько задач параллельно, смотреть дифф и следить за пулреквестами. Версия для Linux, <a href="https://docs.mistral.ai/vibe/code/desktop/overview">по документации</a>, появится позже.</p><p>Для разработчика это первый у Mistral графический клиент, где локальная работа из Vibe CLI и облачные сессии из веб-версии Vibe Code собраны вместе. Ставить CLI отдельно не нужно: приложение использует то же ядро агента и те же журналы сессий, но сам CLI внутри не запускает. Вместе с релизом Mistral второй день подряд раздаёт европейским разработчикам код LECHONK на бесплатный тариф Pro, но коды заканчиваются быстро.</p><ul><li>Vibe Desktop доступен для macOS и Windows, Linux обещан позже; приложение не требует установки Vibe CLI.</li><li>Работает в двух режимах: локальная сессия в вашем клоне репозитория и облачная сессия в песочнице с доступом через GitHub.</li><li>Параллельные задачи разводятся по Git worktree, подсессиям и субагентам; у субагентов окна только для чтения.</li><li>Pro стоит $14,99 в месяц без налогов, для проверенных студентов $5,99; агенты и «кодинг весь день» доступны с Pro.</li><li>Код LECHONK даёт Pro на три месяца разработчикам в Европе; 17 ноября коды кончились примерно за час, 18 ноября пользователи жаловались на то же через 13 минут.</li></ul><h2>Что умеет Vibe Desktop?</h2><p>Основная единица работы — сессия, то есть разговор с агентом, открытый на конкретном репозитории. При создании сессии выбирается среда. Локальная сессия работает с вашими файлами, шеллом, сервисами и окружением разработки: так стоит делать, когда клон уже есть или нужно тестировать против локальных зависимостей. Облачная сессия запускается в удалённой песочнице и получает репозиторий напрямую с GitHub, как в веб-версии Vibe Code, сказано в <a href="https://docs.mistral.ai/vibe/code/desktop/overview">обзоре Desktop</a>.</p><p>Mistral отдельно оговаривает, что общее ядро не значит одинаковое поведение. Локальные сессии Desktop используют движок агента и журналы сессий CLI, но набор инструментов, их реализация и системные промпты в разных интерфейсах могут отличаться. Если вы настроили агента в CLI под свой проект, в Desktop его стоит проверить заново.</p><p>Рядом с чатом приложение показывает панели, привязанные к выбранной сессии (<a href="https://docs.mistral.ai/vibe/code/desktop/follow-work">документация</a>):</p><ul><li><b>Files</b> — дерево репозитория и просмотр файлов во вкладках;</li><li><b>Git Changes</b> — дифф изменений сессии в режимах Unified и Split;</li><li><b>Terminal</b> — свой терминал рядом с агентом; в локальной сессии команды идут в вашем окружении;</li><li><b>Background processes</b> — сборки, dev-серверы и вотчеры, которые агент запустил в фоне, с живым выводом и кнопкой Stop;</li><li><b>Browser</b> — встроенный браузер для документации, issue и дашбордов;</li><li><b>Pull requests</b> — список пулреквестов с номерами и статусами, например Conflicts; PR открывается во встроенном браузере;</li><li><b>Debug</b> — отдельная панель отладки.</li></ul><p>Важная деталь из документации: панели принадлежат сессии, а не проекту. Две локальные сессии в одном клоне видят одни и те же файлы, поэтому, переключаясь между разговорами, легко запустить команду или остановить процесс не в той сессии.</p><p>Кроме режима Code в приложении есть режим Work: Vibe теперь объединяет бывший чат-ассистент Le Chat и агента для кода, переписки и тарифы <a href="https://mistral.ai/products/vibe">перенесены</a>. В палитре команд Desktop есть переключение Work и Code и запись заметок со встречи (<a href="https://docs.mistral.ai/vibe/code/desktop/organize-conversations">раздел о навигации</a>).</p><h2>Как в нём вести несколько задач одновременно?</h2><p>Ради параллельной работы приложение и выпускали: в <a href="https://x.com/MistralAI/status/2122713547952324750">первом анонсе 17 ноября</a> Mistral описала его как место, где можно «дать Vibe несколько задач сразу, смотреть, как агенты работают бок о бок, а потом проверить их диффы и отслеживать пулреквесты в том же окне» (перевод редакции). Документация разделяет три механизма (<a href="https://docs.mistral.ai/vibe/code/desktop/parallel-tasks">Work on parallel tasks</a>):</p><ul><li><b>Git worktree</b> — отдельный рабочий каталог того же репозитория, обычно на другой ветке. История Git общая, файлы разные, текущий клон не трогается. Агента просят создать worktree до начала правок.</li><li><b>Подсессии</b> — отдельные разговоры под главной сессией, видны в боковой панели проекта. Главная сессия раздаёт им части задачи и получает от них сообщения с результатами.</li><li><b>Субагенты</b> — делегированные агенты, которых главный агент запускает сам. Их окна только для чтения: видно инструкцию, шаги и статус (Running, Waiting for input, Idle, Failed), но писать им можно только через главного агента.</li></ul><p>Отдельный разговор не изолирует файлы: две подсессии в одном каталоге будут править одни и те же исходники. Mistral советует сочетать подсессии и worktree, если задачи меняют один репозиторий независимо. И даже worktree изолирует только рабочие файлы: зависимостям, переменным окружения, внешним сервисам и портам может понадобиться отдельная настройка. Два dev-сервера не смогут занять один порт только потому, что живут в разных worktree.</p><p>Похожий набор приёмов уже есть у конкурентов: фоновые задачи и импорт истории сессий между агентами <a href="https://tproger.ru/news/koding-agenty-nauchilis-perenosit-sessii-i-rabotat-v-fone">появились у нескольких кодинг-агентов</a> этой осенью. Desktop приводит Vibe к той же модели работы.</p><h2>Чем Desktop отличается от CLI, расширения VS Code и веб-версии?</h2><p>У Vibe Code теперь четыре интерфейса. Mistral свела их в <a href="https://docs.mistral.ai/vibe/code/choose-cli-vscode-web-sessions">таблицу сравнения</a>; ниже её основные строки.</p><p>Четыре интерфейса Vibe Code</p><table><thead><tr><th>Параметр</th><th>CLI</th><th>VS Code</th><th>Vibe Code Web</th><th>Vibe Desktop</th></tr></thead><tbody><tr><td>Установка</td><td>Нужна</td><td>Нужна</td><td>Не нужна</td><td>Нужно приложение</td></tr><tr><td>Доступ к репозиторию</td><td>Локальный клон</td><td>Локальный клон</td><td>Через GitHub</td><td>Клон (локально) или GitHub (облако)</td></tr><tr><td>Файлы и шелл</td><td>Локальное дерево</td><td>Локальное дерево через ACP</td><td>Удалённая песочница</td><td>Локальное дерево или песочница</td></tr><tr><td>Свои агенты, skills, MCP</td><td>Да</td><td>Да</td><td>Да</td><td>Да</td></tr><tr><td>Неинтерактивный режим</td><td>Да, vibe --prompt</td><td>Нет</td><td>Нет</td><td>Нет</td></tr><tr><td>Где живёт сессия</td><td>Локально, общая с VS Code</td><td>Локально, общая с CLI</td><td>Облако Mistral</td><td>Локально или в облаке</td></tr></tbody></table><p>Источник: документация Mistral Vibe</p><p>Отсюда практическое правило. Для CI и скриптов по-прежнему нужен CLI: только у него есть режим vibe --prompt без участия человека. CLI и расширение VS Code делят конфигурацию и историю, поэтому сессию можно начать в терминале и продолжить в редакторе. Desktop удобен, когда хочется видеть несколько агентов, их диффы и PR в одном окне и переключаться между локальной и облачной работой.</p><p>Кроме того, Vibe реализует Agent Client Protocol (ACP, открытый протокол подключения агентов к редакторам) и опубликован в реестре ACP, так что агента можно подключить к IDE JetBrains и другим совместимым клиентам; на странице продукта упомянут и Zed.</p><h2>Сколько стоит Vibe и как получить Pro бесплатно?</h2><p>На <a href="https://mistral.ai/pricing">странице тарифов</a> у Vibe четыре плана. Free даёт ограниченное число сообщений, поисков и сессий программирования. Pro стоит $14,99 в месяц без налогов и, по описанию Mistral, открывает агентов, длинные задачи и «кодинг весь день» в CLI, IDE и вебе с ограничениями добросовестного использования. Team стоит $24,99 за пользователя в месяц, Enterprise — по запросу. Проверенные студенты аккредитованных вузов, которые раньше не пользовались Vibe или Le Chat, могут взять Pro за $5,99 в месяц на срок до 12 месяцев. Нужен ли Pro именно для режима Code в Desktop, Mistral отдельно не пишет.</p><p>Бесплатный Pro Mistral приурочила к тому, что, по её словам, связка Vibe и модели Mistral Large 4, она же Le Chonk (<a href="https://tproger.ru/news/mistral-vylozhila-vesa-large-4-i-vdvoe-snizila-cenu-api-protiv-pr">мы писали о выпуске её весов</a>), стала лучшей в мире парой открытой модели и агентной обвязки. 17 ноября Mistral <a href="https://x.com/MistralAI/status/2122713540666806397">объявила</a>, что делает Vibe бесплатным в Европе на первые три месяца по коду LECHONK, «в ограниченное время, пока коды не кончатся». Примерно через час, в 19:27 мск, компания <a href="https://x.com/MistralAI/status/2122728226531545138">сообщила</a>, что коды на сегодня закончились.</p><p>18 ноября в анонсе Desktop Mistral написала, что добавила кодов, и дала ту же ссылку на активацию. Через 13 минут после публикации один из пользователей <a href="https://x.com/vivescene/status/2123076489960698154">выложил скриншот</a> с сообщением «This code is no longer available». Сколько кодов выпущено и когда будет следующая партия, компания не говорит.</p><p>Условия акции Mistral в анонсе <a href="https://x.com/MistralAI/status/2122713550774804919">не раскрыла</a>, ограничившись фразой «Terms apply». Активация проверяет страну: у пользователя из Французской Полинезии сервис ответил «This offer isn't available in your country» (<a href="https://x.com/guybedo/status/2122717990747865488">скриншот</a>). Список стран, которые Mistral считает Европой, не опубликован.</p><p>Сама Mistral утверждает, что связка Vibe и Le Chonk лучшая среди открытых моделей на бенчмарках FrontierCode и Terminal-Bench. Это заявление компании. При этом цифры сильно зависят от обвязки: в анонсе 29 октября Mistral привела для Large 4 в режиме high 41% на Terminal-Bench 4.0 при работе в Vibe, а в общей обвязке Artificial Analysis у той же модели в том же режиме около 25%.</p><h2>Как попробовать Vibe Desktop?</h2><ol><li>Скачайте приложение <a href="https://chat.mistral.ai/download/vibe-desktop/mac?from=website">для macOS</a> или <a href="https://chat.mistral.ai/download/vibe-desktop/windows?from=website">для Windows</a> со <a href="https://mistral.ai/products/vibe">страницы продукта</a> и войдите в аккаунт Mistral.</li><li>Переключитесь в режим Code и откройте локальную сессию на репозитории. Если клона нет, выберите облачную сессию и подключите GitHub.</li><li>Начните с маленькой проверяемой задачи. Mistral в <a href="https://docs.mistral.ai/vibe/code/desktop/first-coding-task">первом руководстве</a> предлагает починить один падающий тест и приложить к промпту реальный вывод ошибки.</li><li>Проверьте результат в Git Changes и прогоните тесты сами в Terminal, прежде чем коммитить.</li></ol><p>Пример промпта из документации, его стоит адаптировать под свой проект:</p><p>Документация много раз повторяет одну мысль: остановка агента не значит, что задача готова, а его итоговая сводка не заменяет вывод команды. Mistral прямо пишет, что успешный прогон тестов — довод в пользу исправления, но не замена ревью (<a href="https://docs.mistral.ai/vibe/code/desktop/review-changes">Review changes</a>). Создание PR тоже не равно его слиянию: панель пулреквестов только показывает статусы, а при конфликте агента просят разрешить его, не сливая ветку.</p><p>Ограничения на старте: нет версии для Linux; горячие клавиши в документации описаны только для macOS (Cmd+K — палитра команд, Cmd+1–9 — переключение сессий); неинтерактивного режима для автоматизации у Desktop нет.</p><p>Что дальше: Mistral обещает Linux без даты. Стоит посмотреть, как поведёт себя изоляция локальных сессий на реальных проектах: в <a href="https://tproger.ru/news/mistral-rasskazala-kak-agent-large-4-sbezhal-iz-pesochnicy-i-polu">техотчёте Large 4</a> компания сама описывала, как агенты при обучении выходили из песочницы. По нашей оценке, для локальной сессии с доступом к шеллу и окружению это аргумент держать запросы на подтверждение команд включёнными.</p><p>Источники: <a href="https://x.com/MistralAI/status/2123073168659141119">Mistral AI в X: Vibe на десктопе, 18 ноября</a>, <a href="https://x.com/MistralAI/status/2122713540666806397">Mistral AI в X: акция LECHONK, 17 ноября</a>, <a href="https://x.com/MistralAI/status/2122728226531545138">Mistral AI в X: коды закончились, 17 ноября</a>, <a href="https://docs.mistral.ai/vibe/code/desktop/overview">Документация: Code on Desktop</a>, <a href="https://docs.mistral.ai/vibe/code/desktop/first-coding-task">Документация: Your first coding task</a>, <a href="https://docs.mistral.ai/vibe/code/desktop/follow-work">Документация: Follow and inspect work</a>, <a href="https://docs.mistral.ai/vibe/code/desktop/parallel-tasks">Документация: Work on parallel tasks</a>, <a href="https://docs.mistral.ai/vibe/code/desktop/review-changes">Документация: Review changes and pull requests</a>, <a href="https://docs.mistral.ai/vibe/code/desktop/organize-conversations">Документация: Organize your conversations</a>, <a href="https://docs.mistral.ai/vibe/code/choose-cli-vscode-web-sessions">Документация: Choose CLI, VS Code, web, or Desktop sessions</a>, <a href="https://mistral.ai/products/vibe">Mistral: страница продукта Vibe</a>, <a href="https://mistral.ai/pricing">Mistral: тарифы</a></p><p>Изображение на обложке: Mistral AI, кадр из видео анонса</p>]]></content:encoded>
    </item>
    <item>
      <title>Google сбросила квоты в Antigravity на всех моделях в честь дня рождения</title>
      <link>https://tproger.ru/news/google-sbrosila-kvoty-v-antigravity-na-vseh-modelyah-v-chest-dnya</link>
      <comments>https://tproger.ru/news/google-sbrosila-kvoty-v-antigravity-na-vseh-modelyah-v-chest-dnya?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/google-sbrosila-kvoty-v-antigravity-na-vseh-modelyah-v-chest-dnya</guid>
      <description><![CDATA[<p>Варун Мохан объявил сброс 18 ноября в 02:38 мск: это третий сброс за 12 дней, а в тот же день из Antigravity уходят Claude 4.6 и GPT-OSS-120b.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/google-sbrosila-kvoty-v-antigravity-na-vseh-modelyah-v-chest-dnya">Google сбросила квоты в Antigravity на всех моделях в честь дня рождения</a>»</p>]]></description>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[IDE]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Wed, 18 Nov 2026 11:21:11 GMT</pubDate>
      <content:encoded><![CDATA[<p>Google обнулила израсходованные квоты в Antigravity всем пользователям и на всех моделях — так команда отметила первый день рождения своей агентной среды разработки. О сбросе <a href="https://x.com/_mohansolo/status/2122836883877347836">написал в X</a> Варун Мохан, который руководит Antigravity в Google DeepMind, 18 ноября в 02:38 мск.</p><p>Для тех, кто работает в Antigravity каждый день, это значит одно: израсходованную квоту можно тратить заново, не дожидаясь штатного обновления. Это третий такой сброс за 12 дней, но первый за это время, который касается всех моделей, а не только Gemini.</p><p>Совпадение по датам стоит держать в голове: на <a href="https://antigravity.google/pricing">странице тарифов</a> Antigravity указано, что Claude Sonnet 4.6, Claude Opus 4.6 и GPT-OSS-120b будут убраны из продукта 18 ноября 2026 года, то есть в тот же день.</p><ul><li>18 ноября в 02:38 мск Варун Мохан объявил сброс квот «для всех и на всех моделях» в честь первого дня рождения Antigravity.</li><li>Это третий сброс за 12 дней: 7 ноября обнулили квоты Gemini и Argon, 14 ноября — Gemini.</li><li>Подняли ли сами потолки лимитов и есть ли различия по тарифам, в объявлении не сказано.</li><li>По странице тарифов, 18 ноября из Antigravity убирают Claude Sonnet 4.6, Claude Opus 4.6 и GPT-OSS-120b.</li></ul><h2>Что именно объявила Google?</h2><p>Объявление уместилось в две строки. «In honor of Antigravity turning 1, we're resetting quota for everyone across all models!» — написал Мохан (в переводе редакции: «В честь того, что Antigravity исполнился год, мы сбрасываем квоты всем пользователям на всех моделях»). Пост начинается с «One more thing…»: за час до него Мохан <a href="https://x.com/_mohansolo/status/2122821676249625014">сообщил</a>, что время до первого токена у Gemini 4 Carbon в Antigravity стало в 1,5 раза меньше, а для Argon такое же ускорение обещано позже.</p><p>Через два часа сброс <a href="https://x.com/kevinhou22/status/2122867699785289945">поблагодарил</a> Кевин Хоу, руководитель продуктовой разработки Antigravity и бывший инженер Windsurf. Он процитировал свой пост от 18 ноября 2025 года, когда Google запустила Antigravity: тогда это была IDE, построенная вокруг агентов, на модели Gemini 3 Pro, с управлением браузером для автоматической проверки приложений и Agent Manager для параллельных агентов. Сейчас, по словам Хоу, запускать сотни агентов одновременно стало нормой.</p><p>Больше подробностей в объявлении нет. Google не уточнила, касается ли сброс обоих лимитов сразу, распространяется ли он на учётные записи Gemini Enterprise и меняются ли после него сами потолки. Отдельной записи в официальном блоге или журнале изменений на момент публикации нет: источник — пост руководителя продукта.</p><h2>Как устроены квоты в Antigravity?</h2><p>Сброс имеет смысл только на фоне того, как Google считает лимиты. По <a href="https://antigravity.google/docs/plans">документации</a>, у всех тарифов есть базовая квота, и она привязана к объёму работы агента, а не к числу запросов: простая задача, которую агент закрывает быстро, тратит меньше, сложная — больше. Сами лимиты, как пишет Google, определяются прежде всего доступными мощностями и могут меняться.</p><ul><li>Без подписки: квота обновляется раз в неделю, есть недельный лимит.</li><li>Google AI Pro: квота обновляется каждые пять часов, пока не исчерпан недельный лимит, который выше, чем у бесплатного плана.</li><li>Google AI Ultra: самая большая квота с обновлением каждые пять часов, максимальный недельный лимит и доступ к сторонним моделям.</li></ul><p>Подписчики Pro и Ultra могут работать и сверх квоты за AI-кредиты по ценам Gemini Enterprise. Что делать, когда базовая квота закончилась, задаёт настройка AI Credit Overages: Never — ждать обновления, Always — переходить на кредиты и возвращаться на квоту, когда она обновится. Остаток по моделям виден на странице настроек; в новом интерфейсе он показан и рядом с полем ввода, как на обложке.</p><p>Поэтому сброс сильнее всего ощутят те, кто упёрся в недельный лимит в середине недели: пятичасовое окно обновляется само, а недельное без сброса пришлось бы ждать. Тем, кто тратил квоту умеренно, сброс вернёт только израсходованную часть.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-18/5b1da740-de0f-4596-97b0-5480577f1f8a.webp" alt="Карточки нового интерфейса Antigravity: тема, композер, контекст и облачные агенты" /><figcaption>Новый интерфейс Antigravity. Кадр: видео Google Antigravity</figcaption></figure><h2>Почему сбросов стало так много?</h2><p>За 12 дней Мохан объявлял сброс трижды. <a href="https://x.com/_mohansolo/status/2118855362518675720">7 ноября в 02:57 мск</a> обнулили квоты Gemini и Argon с пояснением, что за неделю вышло много обновлений и пользователям нужно дать поработать в выходные. <a href="https://x.com/_mohansolo/status/2121380918355234957">14 ноября в 02:13 мск</a> сбросили квоты Gemini «в честь недели безостановочных релизов» и предложили попробовать рои агентов. Нынешний сброс — первый из трёх, где сказано про все модели.</p><p>Каждый раз сброс шёл рядом с релизами. 12 ноября в Antigravity появилась <a href="https://tproger.ru/news/google-vypustila-gemini-4-hydrogen-s-besplatnym-dostupom-v-api">Gemini 4 Hydrogen</a>, 13 ноября — Dynamic Workflows: по команде /run-workflow агент пишет Python-скрипт, который запускает субагентов параллельно и последовательно. 16 ноября Мохан <a href="https://x.com/_mohansolo/status/2122119826575646918">сообщил</a>, что контекстное окно для Argon, Carbon и Hydrogen удвоили и сжатие контекста на один ход пользователя случается в 3,5 раза реже. 17 ноября команда показала полностью переделанный интерфейс для управления несколькими агентами.</p><p>Сбросы в Antigravity случались и раньше. Неофициальный трекер <a href="https://agyresets.com/">AGY Resets</a>, который собирает такие объявления из X и размечает их автоматически, насчитывает 14 сбросов с мая. Раньше их объясняли перегрузкой мощностей, жалобами на расход токенов или выходом новой модели. Данные трекера не официальные, и Google их не подтверждала.</p><h2>Что проверить сейчас?</h2><ol><li>Откройте страницу настроек Antigravity и проверьте, обновился ли остаток по нужным моделям: как быстро сброс доходит до всех учётных записей, Google не уточняла.</li><li>Если у вас Pro или Ultra и включены AI-кредиты, проверьте AI Credit Overages: с полной квотой кредиты пока не нужны, но при режиме Always они снова начнут тратиться, как только квота кончится.</li><li>Если вы работали с Claude Sonnet 4.6, Claude Opus 4.6 или GPT-OSS-120b, переключитесь заранее. На странице тарифов у этих моделей стоит дата удаления 18 ноября. Для бесплатного плана из перечисленных моделей без такой пометки остаётся только Gemini 3.8 Flash, а Claude Sonnet 5.5 и Claude Opus 5.5 указаны для платного Pro и Ultra.</li></ol><p>Сброс одноразовый: Google не обещала, что дальше квоты будут сбрасываться регулярно или что лимиты поднимут. Работа с агентами в Antigravity по-прежнему требует осторожности — Pillar Security и Mindgard <a href="https://tproger.ru/news/v-google-antigravity-nawli-dva-sposoba-poluchit-rce-prompt-inj">описали два способа выполнить чужой код</a> в IDE через prompt injection и вредоносные файлы проекта, так что свежая квота не повод выдавать агенту больше прав.</p><p>Следующий ориентир — ускорение первого токена для Argon, которое Мохан пообещал вслед за Carbon. Если Google объявит изменения лимитов или условия тарифов после удаления старых моделей, мы дополним новость.</p><p>Источники: <a href="https://x.com/_mohansolo/status/2122836883877347836">Варун Мохан в X: сброс квот в честь годовщины Antigravity, 17 ноября 2026</a>, <a href="https://x.com/kevinhou22/status/2122867699785289945">Кевин Хоу в X: первый день рождения Antigravity</a>, <a href="https://x.com/_mohansolo/status/2118855362518675720">Варун Мохан в X: сброс квот Gemini и Argon, 6 ноября 2026</a>, <a href="https://x.com/_mohansolo/status/2121380918355234957">Варун Мохан в X: сброс квот Gemini, 13 ноября 2026</a>, <a href="https://antigravity.google/pricing">Google Antigravity: тарифы и модели</a>, <a href="https://antigravity.google/docs/plans">Google Antigravity Docs: Plans</a>, <a href="https://x.com/_mohansolo/status/2122119826575646918">Варун Мохан в X: удвоение контекстного окна в Antigravity</a>, <a href="https://x.com/_mohansolo/status/2122821676249625014">Варун Мохан в X: ускорение первого токена у Carbon</a>, <a href="https://agyresets.com/">AGY Resets: неофициальный трекер сбросов квот Antigravity</a></p><p>Изображение на обложке: кадр из видео Google Antigravity о новом интерфейсе</p>]]></content:encoded>
    </item>
    <item>
      <title>Тео Браун и Every раскритиковали GPT-6.2 Astra после недель тестов</title>
      <link>https://tproger.ru/news/teo-braun-i-every-raskritikovali-gpt-6-2-astra-posle-nedel-test</link>
      <comments>https://tproger.ru/news/teo-braun-i-every-raskritikovali-gpt-6-2-astra-posle-nedel-test?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/teo-braun-i-every-raskritikovali-gpt-6-2-astra-posle-nedel-test</guid>
      <description><![CDATA[<p>Тео Браун, Мэтт Шумер и Every раскритиковали GPT-6.2 Astra: модель пишет непонятно и бросает задачи, хотя в бенчмарках уступает только Fable 5.2.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/teo-braun-i-every-raskritikovali-gpt-6-2-astra-posle-nedel-test">Тео Браун и Every раскритиковали GPT-6.2 Astra после недель тестов</a>»</p>]]></description>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 19:58:27 GMT</pubDate>
      <content:encoded><![CDATA[<p>В первый час после выхода <a href="https://tproger.ru/news/openai-vypustila-gpt-6-2-astra-i-sol-astra-v-api-podewevela-na">GPT-6.2 Astra и GPT-6.2 Sol</a> 17 ноября несколько известных ранних тестеров публично отказались их рекомендовать. Разработчик и видеоблогер Тео Браун <a href="https://x.com/theo/status/2122757647170703550">назвал Astra</a> худшей моделью в истории OpenAI, предприниматель Мэтт Шумер <a href="https://x.com/mattshumer_/status/2122752192226406421">отказался писать обзор</a>, потому что модели оказались «по сути непригодны», а издание Every <a href="https://x.com/danshipper/status/2122754729012777052">назвало релиз</a> разочаровывающим на фоне Claude Fable 5.2.</p><p>При этом в бенчмарках у Astra рекорды: второе место в индексе Artificial Analysis и первые 100% в ARC-AGI-3. Жалобы тестеров сходятся в одном: с моделью трудно работать. Она пишет слишком сжато, на длинных задачах бросает работу или ходит по кругу, а в ответах теряет важное. Похожую черту OpenAI описала и сама в разделе анонса о безопасности.</p><p>Для тех, кто выбирает модель для Codex или API, это значит, что цифры релиза пока не подтверждены опытом работы. Новые модели стоит сравнить на своих задачах, прежде чем переключать на них агентов по умолчанию.</p><ul><li>Тео Браун, Мэтт Шумер и Дэн Шиппер из Every тестировали GPT-6.2 до выхода и раскритиковали её; Итан Моллик назвал Astra неровной, но сильной на большом 3D-проекте.</li><li>Главные претензии: слишком сжатые и непонятные ответы, остановки на полпути в длинных задачах, циклы без результата, вопросы пользователю о внутренних деталях реализации.</li><li>В индексе Artificial Analysis Astra набрала 62 балла и уступает только Claude Fable 5.2 с 65, но в кодинг-индексе прироста нет, а Sol потеряла 3 балла.</li><li>OpenAI сама пишет, что обе модели в двух тестах чаще умалчивали о препятствиях вроде пропавшего файла, и добавила в Codex инструкции против этого.</li><li>Под анонсом на Hacker News около 970 очков и 600 комментариев, оценки расходятся от «новый стандарт для 3D-игр» до «слабые примеры слайдов».</li></ul><h2>Что говорят те, кто тестировал GPT-6.2 до выхода?</h2><p>Коротко: из пяти заметных отзывов четыре отрицательные, но трое из пяти авторов отмечают и сильные стороны. Подборку сделал ведущий подкаста ThursdAI Алекс Волков: он <a href="https://x.com/altryne/status/2122760839170248794">написал</a>, что настроения вокруг новых моделей «хуже некуда», и приложил скриншоты постов Брауна, Шумера и Шиппера.</p><p>Самый резкий отзыв у Тео Брауна, автора YouTube-канала про веб-разработку и чат-клиента T3 Chat. В первом посте он назвал Astra «худшей моделью, которую OpenAI когда-либо выпускала», а через 11 минут <a href="https://x.com/theo/status/2122760447103484410">опубликовал полный текст письма</a>, которое написал OpenAI во время раннего тестирования. По его словам, часть претензий компания исправила, но не настолько, чтобы он рекомендовал модель.</p><p>Мэтт Шумер ограничился тремя предложениями: тестирование прошло «ужасно», Astra и Sol «по сути непригодны», рекомендовать их он не будет. Подробностей Шумер не привёл.</p><p>Дэн Шиппер, глава издания Every, пишет, что команда гоняла модели несколько недель. Выводы по трём направлениям (перевод редакции):</p><ul><li><b>Тексты.</b> Astra 6.2 пишет хуже, чем GPT-6 Astra: её, судя по всему, обучили быть предельно краткой и конкретной, настолько, что текст трудно понять, а там, где нужен развёрнутый ответ, она отвечает коротко.</li><li><b>Код.</b> На бенчмарках Every результат на уровне GPT-6 Astra. Но в реальных задачах модель часто останавливается слишком рано, и сквозная сборка проекта от начала до конца раздражает.</li><li><b>Дизайн.</b> Хорошее чутьё по умолчанию, но варьировать решения модель не умеет, и у её работ заметен один «фирменный стиль».</li></ul><p>Мягче всех высказался профессор Уортонской школы бизнеса Итан Моллик. Он <a href="https://x.com/emollick/status/2122755693191287009">назвал Astra</a> «очень неровной и странной»: управлять ею сложнее, чем другими моделями, зато амбициозный проект с нуля, аттракцион «поездка на космическом лифте» в Blender и Unity, она собрала хорошо.</p><h2>В чём именно Тео Браун обвиняет Astra?</h2><p>Письмо Брауна интересно конкретными случаями. Он начинает с плюсов: Astra хорошо ревьюит код и замечает то, что пропускают другие модели, на мировом уровне работает с 3D и играми, отлично управляет компьютером, пишет заметно более качественный код и удачные промпты для субагентов. По его словам, она помогла придумать новый обратный прокси, который сэкономит ему $25 тыс. в месяц.</p><p>Дальше три претензии, которые он называет новыми для моделей OpenAI:</p><ol><li><b>Вопросы, на которые пользователь не может ответить.</b> На задаче «сделай новый уровень для Outer Wilds» модель через два часа работы остановилась и спросила, в какой из двух файлов с внутренними именами ревьюер пишет видеоклипы. Брауну пришлось запускать других агентов по расписанию, чтобы проверять, не заблокировала ли Astra сама себя очередным вопросом. Он проверил и в Codex, а не только в своём клиенте T3 Code: поведение то же.</li><li><b>Непонятные объяснения.</b> После длинного прогона Браун переключается на Claude Opus 5.5, чтобы получить читаемое резюме сделанного. На вопрос, почему git worktree медленно работают на одной машине из четырёх, Astra выдала четыре абзаца о внутренностях pnpm и кэшах, а Opus 5.5 ответил, что медленный SSD. Правки системного промпта и просьбы объяснить попроще, по словам Брауна, не помогают.</li><li><b>Циклы без результата.</b> На его тестовом проекте, переписывании компилятора TypeScript на Rust, Astra работала 7 дней и не внесла ни одного улучшения, а компилятор из-за её правок стал медленнее на 56%. Ещё 4 дня после уточнения задачи тоже прошли без изменений. По словам Брауна, Opus довёл этот проект меньше чем за две недели примерно за $20 тыс. в токенах, хотя прошлые модели OpenAI не сдвинули его и за $300 тыс.</li></ol><blockquote>Модель явно очень умная. Но работать с ней на реальных проектах невыносимо. На коротких задачах она пишет нормальный код, а потом объясняет его сложнее, чем сам этот код.</blockquote><p>Браун сам оговаривается, что, возможно, реагирует слишком остро, и прогнозирует сценарий: в первый день модель полюбят за эффектные результаты с одного промпта, на второй заметят расход лимитов и скромный итог по сравнению с Opus, через две недели о ней в основном забудут. Цифры из письма, включая затраты на токены, проверить нельзя: это его собственные замеры на его проектах.</p><h2>Что показывают независимые бенчмарки?</h2><p>Бенчмарки рисуют другую картину. Artificial Analysis, которая сама прогоняет модели на своём наборе тестов, <a href="https://x.com/ArtificialAnlys/status/2122750634210529569">поставила</a> GPT-6.2 Astra на второе место в общем индексе: 62 балла против 65 у Claude Fable 5.2. Это на 5 баллов больше, чем у GPT-6 Astra, и выше Gemini 4 Carbon (60) и Claude Opus 5.5 (59). GPT-6.2 Sol набрала 57 баллов, как GPT-6 Astra, примерно за 15% её стоимости задачи.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-18/2c1e81f9-5e58-41eb-8a8a-7620d1cb02b3.webp" alt="Индекс Artificial Analysis: Claude Fable 5.2 65, GPT-6.2 Astra 62, Gemini 4 Carbon 60, Claude Opus 5.5 59, GPT-6.2 Sol 57" /><figcaption>Общий индекс и стоимость задачи. Источник: Artificial Analysis</figcaption></figure><p>Но в индексе кодинг-агентов, где модели OpenAI работают в Codex на максимальном уровне рассуждений, прироста нет: Astra на уровне GPT-6 Astra, а Sol потеряла 3 балла к GPT-6.1 Sol. Падение Sol дал тест вопросов по кодовой базе SWE-Atlas-QnA-AA, минус 14 баллов. По объяснению Artificial Analysis, новая модель чаще предшественницы упускает в ответах ключевые факты.</p><p>Фонд ARC Prize <a href="https://x.com/arcprize/status/2122751233442156678">сообщил</a>, что Astra первой набрала 100% в ARC-AGI-3, наборе интерактивных головоломок на обобщение. Оговорка важна: 100% получены с адаптером провайдера за $4,1 тыс., в стандартной обвязке результат 70,3% за $24,2 тыс. В ARC-AGI-2 у модели 95,8% при $0,50 за задачу.</p><h2>Почему рекорды в тестах не совпадают с опытом тестеров?</h2><p>OpenAI на критику пока не ответила, но в её <a href="https://openai.com/index/introducing-gpt-6-2-astra-sol">анонсе</a> есть три детали, которые с жалобами согласуются. Связь между ними — вывод редакции, а не заявление компании.</p><p>Первая: обе модели оптимизировали на экономию токенов. OpenAI пишет, что они дают лучший результат «с меньшим числом выходных токенов», а Astra на внутреннем бенчмарке GDPval v2 расходует на 22% меньше выходных токенов, чем GPT-6 Astra. Про тексты компания пишет, что они стали «более прямыми и конкретными, с меньшим количеством общих выводов и воды». Every описывает то же свойство как недостаток: сжато до непонятности.</p><p>Вторая: в разделе о безопасности OpenAI признаёт, что в двух тестах обе модели чаще умалчивали о препятствиях, которые мешали работе, например о пропавшем файле или недоступном инструменте поиска. В тесте Blocker Deception у агента, например, удаляют файл, который просили отредактировать, и проверяют, скажет ли он об этом. Компания добавила в Codex инструкции, которые «существенно снижают» такие умолчания, и продолжает изучать поведение. Падение Sol в тесте Artificial Analysis из-за пропущенных фактов похоже на ту же черту.</p><p>Третья: руководитель Codex Тибо Соттьо в день релиза <a href="https://x.com/thsottiaux/status/2122754551187132438">написал</a>, что модели «чрезвычайно эффективны», и это заметно по скорости, стоимости и тому, насколько дольше хватает лимитов. По нашей оценке, оборотная сторона той же эффективности — короткие ответы, которые тестеры называют непонятными. Модели OpenAI и раньше реже других объясняли через образы: в недавнем <a href="https://tproger.ru/news/modeli-google-chashhe-vseh-obyasnyayut-cherez-analogii-modeli-openai">тесте характера моделей</a> GPT-6.1 Sol оказалась внизу рейтинга по образности объяснений.</p><h2>Что пишут разработчики на Hacker News?</h2><p><a href="https://news.ycombinator.com/item?id=50535230">Обсуждение анонса</a> на Hacker News собрало около 970 очков и больше 600 комментариев, и единого мнения там нет. Одни хвалят производительность при такой цене и игровую демку на Godot из анонса: по словам комментатора, Astra задаёт «новый стандарт» для создания 3D-игр. Другие пишут, что примеры слайдов и документов в анонсе выглядят слабее, чем то, что они получали от прошлых моделей.</p><p>Частая тема — сравнение с Opus 5.5 и вопрос, исправила ли OpenAI склонность прошлой Astra к лишним абстракциям и избыточному числу файлов. Ещё один заметный комментарий: пользователь не нашёл задач, где Astra заметно лучше Sol, и спрашивает, находят ли их другие. Отдельно комментаторы замечают, что в ветках про релизы OpenAI хвалят Anthropic и наоборот, а многие отзывы на деле описывают прошлые модели.</p><h2>Стоит ли переходить на GPT-6.2 прямо сейчас?</h2><p>Отзывы тестеров основаны на их собственных проектах, и в основном это длинные агентные задачи. Для коротких правок, ревью кода и задач, где важна цена, картина может быть другой: даже критики отмечают качество кода и ревью у Astra, а Sol по цене задачи остаётся одной из самых выгодных моделей в индексе Artificial Analysis. На практике, по нашей оценке, это значит:</p><ul><li>Не переключать агентов по умолчанию на GPT-6.2, пока не прогнали её на нескольких своих типовых задачах рядом с текущей моделью.</li><li>В длинных задачах явно просить сообщать о препятствиях и о том, что модель не сделала. OpenAI добавила подобные инструкции в Codex; в своих обвязках и при работе через API имеет смысл прописать такую просьбу самостоятельно.</li><li>Следить за долгими запусками: Every описывает преждевременные остановки, а Браун — циклы без прогресса.</li><li>Если итоговые отчёты непонятны, их можно отдать на пересказ другой модели, как делает Браун, но это лишний расход токенов.</li></ul><p>Every обещает полный обзор моделей, Браун собирается записать видео, когда выздоровеет. Цены, режимы и доступность в подписках мы разобрали в <a href="https://tproger.ru/news/openai-vypustila-gpt-6-2-astra-i-sol-astra-v-api-podewevela-na">новости о релизе</a>, а историю утечек до выхода — в <a href="https://tproger.ru/news/kogda-vyjdet-gpt-6-2-chto-izvestno-ob-astra-i-sol-iz-utechek">отдельном материале</a>.</p><p>Источники: <a href="https://openai.com/index/introducing-gpt-6-2-astra-sol">OpenAI: Introducing GPT-6.2 Astra and Sol</a>, <a href="https://x.com/theo/status/2122760447103484410">Тео Браун в X: Why I hate GPT-6.2 Astra</a>, <a href="https://x.com/theo/status/2122757647170703550">Тео Браун в X: первый отзыв</a>, <a href="https://x.com/mattshumer_/status/2122752192226406421">Мэтт Шумер в X</a>, <a href="https://x.com/danshipper/status/2122754729012777052">Дэн Шиппер (Every) в X</a>, <a href="https://x.com/emollick/status/2122755693191287009">Итан Моллик в X</a>, <a href="https://x.com/altryne/status/2122760839170248794">Алекс Волков (ThursdAI) в X</a>, <a href="https://x.com/ArtificialAnlys/status/2122750634210529569">Artificial Analysis в X: GPT-6.2 Astra и Sol</a>, <a href="https://x.com/arcprize/status/2122751233442156678">ARC Prize в X: GPT-6.2 Astra на ARC-AGI</a>, <a href="https://x.com/thsottiaux/status/2122754551187132438">Тибо Соттьо в X</a>, <a href="https://news.ycombinator.com/item?id=50535230">Hacker News: GPT-6.2 Astra and Sol</a></p><p>Изображение на обложке: OpenAI</p>]]></content:encoded>
    </item>
    <item>
      <title>OpenAI выпустила GPT-6.2 Astra и Sol: Astra в API подешевела на 20%</title>
      <link>https://tproger.ru/news/openai-vypustila-gpt-6-2-astra-i-sol-astra-v-api-podewevela-na</link>
      <comments>https://tproger.ru/news/openai-vypustila-gpt-6-2-astra-i-sol-astra-v-api-podewevela-na?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/openai-vypustila-gpt-6-2-astra-i-sol-astra-v-api-podewevela-na</guid>
      <description><![CDATA[<p>GPT-6.2 Astra стоит $8 и $40 за миллион токенов, кэш $0,40. Разбор падения Sol в кодинг-индексе, таблица пяти уровней рассуждений и реакция сообщества.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/openai-vypustila-gpt-6-2-astra-i-sol-astra-v-api-podewevela-na">OpenAI выпустила GPT-6.2 Astra и Sol: Astra в API подешевела на 20%</a>»</p>]]></description>
      <category><![CDATA[API]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 17:03:16 GMT</pubDate>
      <content:encoded><![CDATA[<p>17 ноября OpenAI <a href="https://openai.com/index/introducing-gpt-6-2-astra-sol">выпустила</a> GPT-6.2 Astra и GPT-6.2 Sol. Обе модели уже работают в ChatGPT Work, Codex и API под именами gpt-6.2-astra и gpt-6.2-sol, а входные и выходные токены у флагманской Astra в API подешевели на 20%, а кэшированный вход — на 60%.</p><p>Для разработчика это в первую очередь вопрос счёта. По замерам независимой аналитической компании Artificial Analysis, GPT-6.2 Sol набирает в её сводном индексе столько же, сколько <a href="https://tproger.ru/news/openai-nachala-vypusk-gpt-6-astra-ceny-benchmarki-i-kiber-ograni">GPT-6 Astra</a>, а одна задача обходится примерно в 15% от цены задачи у GPT-6 Astra. На практике это значит, что проекты на GPT-6 Astra получают повод пересчитать бюджет.</p><p>Есть и оговорка: в агентном кодинге тот же замер прироста не нашёл, а Sol там даже потеряла 3 пункта к GPT-6.1 Sol. Сами модели до анонса уже <a href="https://tproger.ru/news/kogda-vyjdet-gpt-6-2-chto-izvestno-ob-astra-i-sol-iz-utechek">всплывали в статистике Codex и квотах Google Cloud</a>.</p><ul><li>GPT-6.2 Astra в API: $8 за миллион входных токенов, $0,40 за кэшированный вход и $40 за выход — на 20% дешевле GPT-6 Astra, кэш на 60% (был $1).</li><li>GPT-6.2 Sol сохранила цены GPT-6.1 Sol: $2, $0,10 и $10 за миллион токенов.</li><li>Ultrafast до 28 февраля 2027 года стоит в 3 раза дороже стандартного режима вместо 6; на тарифе Pro 200 он впервые появился, начиная с Sol.</li><li>По Artificial Analysis Astra вторая в индексе (62 балла против 65 у Claude Fable 5.2), Sol набрала 57 — уровень GPT-6 Astra примерно за 15% цены задачи.</li><li>В агентном кодинге Astra осталась на 53 баллах, Sol на max потеряла 3 балла (49); рабочими режимами выглядят medium и high, тогда как max у Astra вдвое дороже high ради 2 баллов.</li></ul><p><b>Обновлено, 18 ноября 2026 года, 00:28 мск:</b> добавили разбор кодинг-индекса Artificial Analysis и возможных причин просадки на задачах разработки, таблицу баллов и стоимости по всем пяти уровням рассуждений (low–max), ориентиры по выбору режима и первые отзывы разработчиков.</p><h2>Сколько теперь стоят модели в API?</h2><p>Astra подешевела по всем трём статьям, Sol осталась при старых ценах. По <a href="https://openai.com/index/introducing-gpt-6-2-astra-sol">данным OpenAI</a>, входные и выходные токены Astra стали на 20% дешевле, чем у GPT-6 Astra, а кэшированный вход — на 60%. Artificial Analysis <a href="https://x.com/ArtificialAnlys/status/2122750634210529569">уточняет</a>, что кэш раньше стоил $1 за миллион токенов.</p><p>Стандартные цены API, долларов за миллион токенов</p><table><thead><tr><th>Модель</th><th>Вход</th><th>Кэшированный вход</th><th>Выход</th></tr></thead><tbody><tr><td>GPT-6.2 Astra</td><td>$8</td><td>$0,40</td><td>$40</td></tr><tr><td>GPT-6 Astra</td><td>$10</td><td>$1</td><td>$50</td></tr><tr><td>GPT-6.2 Sol</td><td>$2</td><td>$0,10</td><td>$10</td></tr><tr><td>GPT-6.1 Sol</td><td>$2</td><td>$0,10</td><td>$10</td></tr></tbody></table><p>Источник: OpenAI, Artificial Analysis</p><p>Это ставки для запросов до 272 тыс. входных токенов в стандартном режиме. Если вход длиннее, по <a href="https://developers.openai.com/api/docs/models/gpt-6.2-astra">документации</a> вход и кэш дорожают вдвое, а выход — в 1,5 раза, причём для всего запроса. Запись в кэш оплачивается по полной ставке записи без начисления обычного входа сверху: у Astra это $10 за миллион токенов при минимальном хранении 30 минут и $20 при хранении 12 часов (в Responses API), у <a href="https://developers.openai.com/api/docs/models/gpt-6.2-sol">Sol</a> — $2,50 и $5. Пакетная обработка (Batch) стоит половину стандартной цены.</p><p>Цена задачи, по словам OpenAI, падает сильнее цены токена: обе модели решают задачи с меньшим числом выходных токенов. Во внутреннем бенчмарке GDPval v2 (длинные задачи из реальных проектов в финансах, анализе данных, биотехе и маркетинге) Astra набрала на 6,2 процентного пункта больше GPT-6 Astra и потратила на 22% меньше выходных токенов. Sol прибавила 5,3 пункта к GPT-6.1 Sol. Это замер самой OpenAI.</p><p>Обе модели поддерживают ускоренные режимы Fast и Ultrafast. Fast стоит вдвое дороже стандартного режима. Цену Ultrafast OpenAI в аккаунте для разработчиков <a href="https://x.com/OpenAIDevs/status/2122752500877144461">снизила</a> на 50% на три месяца: для API и Enterprise он стоит в 3 раза дороже стандартного режима. В документации моделей срок указан точно: такая цена действует до 28 февраля 2027 года, а с 1 марта Ultrafast будет стоить в 6 раз дороже стандартного режима (по тихоокеанскому времени).</p><h2>Почему OpenAI просит не менять начало промпта?</h2><p>Потому что от этого зависит, сработает ли кэш. OpenAI <a href="https://developers.openai.com/api/docs/guides/preserved-reasoning">рекомендует</a> для GPT-6.2 держать префикс промпта неизменным и дописывать новые инструкции в конец разговора: так лучше переиспользуется кэш, ниже цена и задержка, а рассуждения модели сохраняются между ходами.</p><p>Кэш срабатывает только на совпадающее начало запроса, и <a href="https://developers.openai.com/api/docs/guides/prompt-caching">по документации</a> для GPT-6.2 это начало должно быть не короче 1024 токенов. У Astra чтение из кэша стоит $0,40 против $8 за обычный вход, то есть в 20 раз дешевле. Если в системный промпт на каждом ходу подставляются текущее время, id запроса или свежие данные, совпадение обрывается в самом начале: совпавшие токены промпта снова тарифицируются по цене обычного входа, а при записи нового префикса — по ставке записи в кэш.</p><p>Это иллюстрация редакции к рекомендации OpenAI, а не код из документации. Для агентов с длинной историей разница в счёте будет заметнее всего: каждый новый ход повторяет весь предыдущий контекст.</p><h2>Что показали независимые замеры?</h2><p>Artificial Analysis <a href="https://x.com/ArtificialAnlys/status/2122750634210529569">поставила</a> GPT-6.2 Astra на второе место в своём сводном индексе Intelligence Index v5.0.1, который объединяет 9 тестов на работу с документами, код, науку и общие знания. Все модели замерены на максимальной или высокой настройке рассуждений.</p><ul><li>Claude Fable 5.2 — 65 баллов (о ней <a href="https://tproger.ru/news/anthropic-vypustila-claude-fable-5-2-i-snizila-cenu-na-20">писали отдельно</a>).</li><li>GPT-6.2 Astra — 62 балла, на 5 баллов больше GPT-6 Astra (57).</li><li>Gemini 4 Carbon — 60 баллов, Claude Opus 5.5 — 59.</li><li>GPT-6.2 Sol — 57 баллов, на 2 балла больше GPT-6.1 Sol (55) и столько же, сколько GPT-6 Astra.</li></ul><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/613aac1e-99f0-4de5-9148-69e826a31df3.webp" alt="Индекс Artificial Analysis: Claude Fable 5.2 — 65, GPT-6.2 Astra — 62, GPT-6.2 Sol — 57; ниже график индекса против цены задачи в долларах" /><figcaption>Сверху сводный индекс, снизу индекс против средней цены задачи в долларах (логарифмическая шкала). Источник: Artificial Analysis</figcaption></figure><p>По цене задачи модели OpenAI заняли большую часть Парето-фронта — линии, на которой за свои деньги нельзя получить больший балл. Кроме OpenAI на этой линии остались только модели Anthropic и лаборатории суперинтеллекта Александра Вана (модели Muse). Astra лидирует в Terminal-Bench-Science 0.1 (научная работа в терминале) и уступает только Fable 5.2 в сложной подвыборке физического теста CritPt v2.</p><p>В AA-3D, где люди вслепую сравнивают интерактивные 3D-сцены, собранные моделями по одному промпту, Astra набрала 1318 очков Эло, Fable 5.2 — 1271, Sol — 1259. В исследовательском тесте AA-Robotics v0.1 у Astra 79 пунктов, у Sol 78, у Fable 5.2 — 75. По <a href="https://x.com/arcprize/status/2122751233442156678">проверке ARC Prize</a> на закрытой выборке теста ARC-AGI-3 GPT-6.2 Astra стала первой моделью со 100% на уровне xhigh с Provider Adapter ($4,1 тыс. за прогон; в стандартной оболочке на max результат составил 70,3% за $24,2 тыс.).</p><p>Главная оговорка касается программирования: в независимом Coding Agent Index v2.1 от Artificial Analysis прироста у флагмана нет, а Sol просела. Несколько режимов обеих моделей на этом графике всё равно попали на Парето-фронт по цене задачи; причины просадки разобраны в разделе ниже.</p><h2>Что OpenAI обещает для кода и агентов?</h2><p>Дальше — замеры самой OpenAI, независимой проверки у большинства из них пока нет. В коде, по словам компании, Astra лучше реализует и тестирует сложные изменения в существующих кодовых базах, а ранние тестеры отметили более чистый стиль кода, более сфокусированные тесты и меньше раундов правок.</p><ul><li>Agents' Last Exam (многошаговая профессиональная работа): Astra на 5,2 пункта выше GPT-6 Astra меньше чем за треть цены и на 5,5 пункта выше Claude Fable 5.2 за 5% её стоимости. В таблице лидеров у Fable исключены 9 задач, где использовалась резервная модель.</li><li>FrontierCode 2.0 от Cognition (примут ли мейнтейнеры изменение в реальный репозиторий): Sol отстаёт от Astra на 0,5 пункта примерно за пятую часть цены, обе на максимальной настройке.</li><li>Terminal-Bench-Science 0.1: Astra на 9 процентных пунктов выше GPT-6 Astra меньше чем за треть цены.</li><li>Harvey LAB-AA (юридические задания, засчитываются только результаты без существенных галлюцинаций): у Astra доля выполненных заданий больше чем вдвое выше, чем у Fable 5.2, примерно за шестую часть цены.</li><li>LifeVal (бытовые задачи): Sol обошла GPT-6 Astra примерно за седьмую часть цены.</li></ul><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/3532ba93-07d5-430b-a225-c8011e46a79c.webp" alt="График Agents' Last Exam v1.1: балл против цены, GPT-6.2 Astra и Sol левее и выше GPT-6 Astra, Claude Fable 5.2 справа около $60" /><figcaption>Agents' Last Exam v1.1: балл против цены прогона. Источник: OpenAI, опубликовал руководитель продукта и платформы OpenAI Тибо Сотто</figcaption></figure><p>Руководитель продукта и платформы OpenAI Тибо Сотто <a href="https://x.com/thsottiaux/status/2122754551187132438">написал</a>, что модели «extremely efficient» и это чувствуется в скорости выполнения задач, цене и в том, насколько дольше хватает лимитов подписки.</p><h2>Какие ограничения у новых моделей?</h2><p>Обе модели, как и GPT-6 Astra, по внутренней шкале рисков OpenAI достигли уровня Critical в кибербезопасности и High в биологии и химии. Поэтому их запустили с ужесточёнными фильтрами, и компания прямо предупреждает: часть легитимных сценариев поиска уязвимостей и тестирования безопасности будет ограничена. В программе <a href="https://help.openai.com/en/articles/20001258-openai-daybreak-trusted-access-for-cyber-overview">Daybreak</a> у GPT-6 Astra в контуре Blue действуют стандартные защиты (сниженные отказы там у GPT-6 Sol и GPT-6 Luna), а <a href="https://tproger.ru/news/openai-vypustila-gpt-6-cyber-48-5-na-exploitgym-i-klass-critic">GPT-6 Cyber</a> в Red требует отдельного одобрения. По <a href="https://deploymentsafety.openai.com/gpt-6-2-astra-sol">системной карте</a> и <a href="https://help.openai.com/en/articles/20001261-enterprise-daybreak-onboarding">справке OpenAI</a>, обе модели 6.2 предусмотрены со сниженными отказами в одобренном контуре Daybreak Red, а доступ к программе компания обещает расширять дальше.</p><p>Astra стала первой публично выпущенной моделью OpenAI с уровнем High по самоулучшению ИИ: по оценке компании, эффект сравним с тем, как если бы у каждого исследователя OpenAI появился ещё один сильный инженер-помощник (по сравнению с уровнем 2024 года). Поэтому компания усилила контроль и мониторинг внутреннего использования модели.</p><p>Для тех, кто строит агентов, важнее другая деталь из <a href="https://deploymentsafety.openai.com/gpt-6-2-astra-sol">системной карты</a>. В двух тестах на согласованность обе модели чаще умалчивали о препятствиях, которые мешали работе, например об отсутствующем файле или недоступном поиске. В Codex OpenAI добавила инструкции, которые, по её словам, сильно снижают такие умолчания, и продолжает изучать поведение. Упомянутый эффект инструкций проверен OpenAI в двух тестах именно в Codex, поэтому в собственных агентных пайплайнах ошибки инструментов стоит контролировать по логам, а не только по отчёту модели.</p><h2>Почему GPT-6.2 не выросла в кодинге и где просела Sol?</h2><p>По нашей оценке, отсутствие роста в агентной разработке может быть связано со сжатым стилем ответов: на вопросах по структуре проекта модели отвечают короче и чаще упускают важные детали, хотя само по себе число шагов в Codex на max даже выросло по сравнению с прошлым поколением.</p><p>В <a href="https://x.com/ArtificialAnlys/status/2122750637041693183">Coding Agent Index v2.1</a> (среднее по трём тестам: FrontierCode-AA 2.0, Terminal-Bench 4.1 и SWE-Atlas-QnA-AA) модели OpenAI оценивались в агентной оболочке Codex, а конкуренты — в своих оболочках (Claude Code, Antigravity CLI, Muse Code). На уровне max GPT-6.2 Astra набрала 53 балла и сравнялась с GPT-6 Astra — это шестое место на верхнем графике после Claude Fable 5.2 на xhigh (58), Claude Opus 5.5 на max (58), Claude Sonnet 5.5 на max (56), Gemini 4 Carbon на high (55) и Muse Wonder Full на max (54). GPT-6.2 Sol на уровне max потеряла 3 балла к GPT-6.1 Sol и опустилась с 52 до 49, а на режиме xhigh показала 50 баллов.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/f995190b-5592-4623-a768-69a099a19577.webp" alt="Coding Agent Index v2.1: Codex с GPT-6.2 Astra — 53 балла, с GPT-6.2 Sol (max) — 49 баллов, ниже график против цены задачи" /><figcaption>Сверху: Coding Agent Index v2.1 (модели OpenAI в Codex на max, конкуренты в своих оболочках, Fable 5.2 на xhigh). Снизу: индекс против цены задачи, где Sol на xhigh (50 баллов) обходит свой режим max (49). Источник: Artificial Analysis</figcaption></figure><p>Разбивка тестов на <a href="https://artificialanalysis.ai/agents/coding-agents">сайте Artificial Analysis</a> объясняет просадку по баллам. В трёхпрогонном кодинг-индексе по FrontierCode-AA 2.0 на max обе новинки уступили доле процента предшественницам: Astra набрала 41,7% против 42,6% у GPT-6 Astra, а Sol — 41,5% против 42,5% у GPT-6.1 Sol (в единичном прогоне без агентного цикла в составе Intelligence Index результаты выше: 45,4% и 44,4% против 40,6% у GPT-6.1 Sol). При этом суммарный расход входных, кэшированных и выходных токенов на задачу в Codex резко ниже: GPT-6.2 Astra на max тратит 4,67 млн токенов (25,1 минуты; $5,12 в карточке сайта), а GPT-6.2 Sol на xhigh — 3,26 млн токенов (12,6 минуты и $0,90). У моделей Anthropic в Claude Code на ту же дистанцию уходит 9,75–26,4 млн общих токенов: у Sol расход меньше в 3–8 раз, у Astra — в 2,1–5,7 раза.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/848abf08-c66a-487d-ade2-7309ce9fdcaf.webp" alt="График Artificial Analysis: Intelligence Index против среднего числа выходных токенов на задачу по логарифмической шкале" /><figcaption>Пять режимов GPT-6.2 Astra образуют среднюю часть Парето-линии по выходным токенам на задачу, правее неё — только Claude Fable 5.2; GPT-6.2 Sol на этом графике нет. Источник: Artificial Analysis</figcaption></figure><p>Обратная сторона проявилась в тесте SWE-Atlas-QnA-AA на вопросы по кодовой базе, где Sol потеряла 14 баллов и чаще упускала ключевые факты, а также в замерах фактической надёжности. По <a href="https://x.com/ArtificialAnlys/status/2122750645799407907">данным AA-Omniscience</a> на режиме max, доля галлюцинаций при незнании ответа выросла до 59% у GPT-6.2 Astra (было 50% у GPT-6 Astra) и до 55% у GPT-6.2 Sol (было 52% у GPT-6.1 Sol). Глава Every Дэн Шиппер (<a href="https://x.com/danshipper/status/2122754729012777052">отзыв в X</a>) предположил по текстовым тестам, что Astra обучена отвечать предельно сжато, а в задачах разработки у его команды модель часто завершала работу раньше времени. В Codex OpenAI добавила инструкции против умолчаний о препятствиях (см. ниже).</p><h2>Какой уровень рассуждений выбрать?</h2><p>По <a href="https://x.com/ArtificialAnlys/status/2122750639193428213">данным Artificial Analysis</a>, главное в релизе 6.2 — цена средней задачи: по среднему числу выходных токенов на одну задачу (около 13–22 тыс. на medium–xhigh и около 41 тыс. на max у Astra против 160–280 тыс. у Claude Fable 5.2, Opus 5.5 и Sonnet 5.5) модели OpenAI заняли почти всю Парето-границу. Заметнее всего новинки прибавили в научных задачах, 3D и робототехнике. Разбивка Intelligence Index v5.0.1 по всем пяти уровням (low–max) показывает, где заканчивается разумная доплата за лишнее размышление.</p><p>Показатели GPT-6.2 Astra и Sol на пяти уровнях рассуждений</p><table><thead><tr><th>Модель и режим</th><th>Индекс AA</th><th>Цена задачи</th><th>Время на задачу</th><th>Выходные токены за весь индекс</th></tr></thead><tbody><tr><td>GPT-6.2 Sol low</td><td>40,6</td><td>$0,18</td><td>1,4 мин</td><td>7,21 млн</td></tr><tr><td>GPT-6.2 Sol medium</td><td>52,7</td><td>$0,41</td><td>3,1 мин</td><td>14,6 млн</td></tr><tr><td>GPT-6.2 Sol high</td><td>54,9</td><td>$0,56</td><td>4,3 мин</td><td>22,7 млн</td></tr><tr><td>GPT-6.2 Sol xhigh</td><td>55,7</td><td>$0,65</td><td>5,1 мин</td><td>33,3 млн</td></tr><tr><td>GPT-6.2 Sol max</td><td>57,3</td><td>$1,01</td><td>7,9 мин</td><td>60,9 млн</td></tr><tr><td>GPT-6.2 Astra low</td><td>45,7</td><td>$0,66</td><td>1,4 мин</td><td>6,31 млн</td></tr><tr><td>GPT-6.2 Astra medium</td><td>57,0</td><td>$1,62</td><td>3,7 мин</td><td>12,4 млн</td></tr><tr><td>GPT-6.2 Astra high</td><td>60,1</td><td>$2,07</td><td>4,8 мин</td><td>20,0 млн</td></tr><tr><td>GPT-6.2 Astra xhigh</td><td>61,6</td><td>$2,52</td><td>5,9 мин</td><td>27,1 млн</td></tr><tr><td>GPT-6.2 Astra max</td><td>62,1</td><td>$4,00</td><td>10,4 мин</td><td>65,8 млн</td></tr></tbody></table><p>Источник: Artificial Analysis, Intelligence Index v5.0.1</p><p>Из таблицы видны практические рабочие настройки. GPT-6.2 Sol имеет смысл гонять по умолчанию на medium (52,7 балла за $0,41) и поднимать до high (54,9 балла за $0,56 — уже уровень прошлой GPT-6.1 Sol на максимуме). Поднимать Sol выше практически незачем: переход с high на max увеличивает сумму выходных токенов в 2,7 раза и почти удваивает счёт до $1,01 ради прибавки в 2,4 балла.</p><p>Для GPT-6.2 Astra базовым рабочим режимом становится medium: 57,0 балла за $1,62 повторяют результат прошлой GPT-6 Astra и максимального режима новой Sol. На сложных задачах оправданно переключаться на high: 60,1 балла за $2,07 — на уровне Gemini 4 Carbon (60,0 за $5,48) и выше Claude Opus 5.5 на максимуме (59,1 за $10,04). Подъём до max почти теряет смысл: расход выходных токенов к high подскакивает в 3,3 раза до 65,8 млн, цена задачи удваивается до $4,00 (и на 59% выше xhigh), а индекс вырастает на 2 балла к high и всего на полбалла к xhigh (с 61,6 до 62,1).</p><h2>Как отреагировали разработчики и ранние тестеры?</h2><p>Первые отзывы в соцсетях разошлись: одни хвалят цену задачи и автономное 3D, другие ругают модели в повседневном программировании. Разработчик и видеоблогер Тео Браун <a href="https://x.com/theo/status/2122757647170703550">назвал</a> GPT-6.2 Astra худшей моделью в истории OpenAI, а основатель HyperWrite Мэтт Шумер <a href="https://x.com/mattshumer_/status/2122752192226406421">заявил</a>, что по итогам тестов счёл модели непригодными к работе и отказался писать полный обзор, ограничившись краткой негативной оценкой.</p><p>Более сбалансированную оценку <a href="https://x.com/emollick/status/2122755693191287009">опубликовал</a> профессор Уортонской школы Итан Моллик. По его наблюдениям, Astra ведёт себя неровно и странно: в пошаговой работе её сложнее удерживать в русле задачи, чем конкурентов, однако при постановке крупной цели с нуля — например, собрать интерактивную сцену космического лифта в Blender и Unity — модель дала сильный результат.</p><p>Отдельная дискуссия развернулась вокруг предельных режимов рассуждений. Под постом руководителя продукта и платформы OpenAI Тибо Сотто инженер и стример ThePrimeagen <a href="https://x.com/ThePrimeagen/status/2122758504540955085">спросил напрямую</a>, зачем оставлять режим max, если он дороже и показывает худший результат (как в примере с Sol выше). В <a href="https://news.ycombinator.com/item?id=50535230">обсуждении на Hacker News</a> разработчики жалуются на склонность линейки к лишним абстракциям ещё с прежних версий, а один из комментаторов отметил, что новая Astra уходит в посторонние детали даже на уровне medium.</p><h2>Где доступны модели и что делать сейчас?</h2><p>С 17 ноября обе модели доступны подписчикам Plus, Pro, Enterprise и Edu в ChatGPT Work и Codex; в Enterprise и Edu — после включения администратором рабочего пространства. На тарифе Pro 500 Ultrafast работает с обеими моделями, на Pro 200 он впервые появился, начиная с GPT-6.2 Sol. В API Ultrafast доступен для обеих моделей сразу.</p><ol><li>Замените в конфигурации gpt-6-astra на gpt-6.2-astra или попробуйте gpt-6.2-sol там, где Astra брали ради качества: по индексу Artificial Analysis Sol вышла на уровень GPT-6 Astra.</li><li>Перед переводом агентов для кода прогоните свои задачи: независимый индекс агентного кодинга прироста не показал, а Sol там слабее <a href="https://tproger.ru/news/openai-na-devday-vypustila-gpt-6-1-sol-po-cene-v-pyat-raz-nizhe-a">GPT-6.1 Sol</a>.</li><li>Уберите изменчивые данные из начала промпта, чтобы получить скидку на кэш.</li><li>Если задержка критична, посчитайте Ultrafast: до 28 февраля 2027 года он стоит в 3 раза дороже стандартного режима, с 1 марта — в 6 раз.</li></ol><p>Дальше OpenAI обещает перенести GPT-6.2 в Daybreak и продолжает разбираться, почему модели умалчивают о препятствиях. А 1 марта 2027 года закончится скидка на Ultrafast: быстрый режим подорожает вдвое, до 6 стандартных ставок.</p><p>Источники: <a href="https://openai.com/index/introducing-gpt-6-2-astra-sol">OpenAI: Introducing GPT-6.2 Astra and Sol</a>, <a href="https://deploymentsafety.openai.com/gpt-6-2-astra-sol">OpenAI: системная карта GPT-6.2</a>, <a href="https://developers.openai.com/api/docs/guides/preserved-reasoning">OpenAI: Preserved reasoning, документация API</a>, <a href="https://developers.openai.com/api/docs/models/gpt-6.2-astra">OpenAI: страница модели gpt-6.2-astra</a>, <a href="https://developers.openai.com/api/docs/models/gpt-6.2-sol">OpenAI: страница модели gpt-6.2-sol</a>, <a href="https://developers.openai.com/api/docs/guides/prompt-caching">OpenAI: Prompt caching</a>, <a href="https://x.com/OpenAIDevs/status/2122752500877144461">OpenAI Devs в X: Fast, Ultrafast и цены</a>, <a href="https://x.com/ArtificialAnlys/status/2122750634210529569">Artificial Analysis в X: замеры GPT-6.2</a>, <a href="https://x.com/thsottiaux/status/2122754551187132438">Тибо Сотто (OpenAI) в X</a>, <a href="https://artificialanalysis.ai/agents/coding-agents">Artificial Analysis: Coding Agent Benchmarks</a>, <a href="https://x.com/ArtificialAnlys/status/2122750637041693183">Artificial Analysis: Coding Agent Index</a>, <a href="https://x.com/ArtificialAnlys/status/2122750639193428213">Artificial Analysis: выходные токены на задачу</a>, <a href="https://x.com/ArtificialAnlys/status/2122750645799407907">Artificial Analysis: AA-Omniscience</a>, <a href="https://x.com/arcprize/status/2122751233442156678">ARC Prize: результаты ARC-AGI-3</a>, <a href="https://x.com/danshipper/status/2122754729012777052">Дэн Шиппер (Every) в X</a>, <a href="https://x.com/theo/status/2122757647170703550">Тео Браун в X</a>, <a href="https://x.com/mattshumer_/status/2122752192226406421">Мэтт Шумер в X</a>, <a href="https://x.com/emollick/status/2122755693191287009">Итан Моллик в X</a>, <a href="https://x.com/ThePrimeagen/status/2122758504540955085">ThePrimeagen в X</a>, <a href="https://news.ycombinator.com/item?id=50535230">обсуждение на Hacker News</a>, <a href="https://arcprize.org/results/openai-gpt-6-2-astra">ARC Prize: таблица результатов GPT-6.2 Astra</a>, <a href="https://help.openai.com/en/articles/20001258-openai-daybreak-trusted-access-for-cyber-overview">OpenAI: обзор программы Daybreak</a>, <a href="https://help.openai.com/en/articles/20001261-enterprise-daybreak-onboarding">OpenAI: условия Daybreak для GPT-6.2</a></p><p>Изображение на обложке: OpenAI</p>]]></content:encoded>
    </item>
    <item>
      <title>Anthropic рассказала, как команда Claude Code проверяет код агента</title>
      <link>https://tproger.ru/news/anthropic-rasskazala-kak-komanda-claude-code-proveryaet-kod-agen</link>
      <comments>https://tproger.ru/news/anthropic-rasskazala-kak-komanda-claude-code-proveryaet-kod-agen?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/anthropic-rasskazala-kak-komanda-claude-code-proveryaet-kod-agen</guid>
      <description><![CDATA[<p>Если проверка падает три раза подряд, Claude зовёт человека, а REVIEW.md читается вне pull request. Разбираем уровни проверки команды Claude Code.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/anthropic-rasskazala-kak-komanda-claude-code-proveryaet-kod-agen">Anthropic рассказала, как команда Claude Code проверяет код агента</a>»</p>]]></description>
      <category><![CDATA[Тестирование]]></category>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Организация разработки]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 13:29:21 GMT</pubDate>
      <content:encoded><![CDATA[<p>16 ноября инженер Anthropic Addy Osmani <a href="https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/">рассказал</a>, как команда Claude Code проверяет код, который пишет агент.</p><p>По словам автора, около 90% кода Claude Code пишет и ревьюит сам Claude, поэтому вручную читать каждый дифф команда не может.</p><p>Вместо этого агенту дают способ доказать, что изменение работает: прогнать приложение целиком и сверить результат с тестами и чек-листом. Упавшая проверка — один из поводов позвать человека; сколько людей должны одобрить изменение, зависит от его риска.</p><p>Для разработчика, который работает с Claude Code, Codex или другим агентом, это готовый список приёмов. Для части из них в Claude Code уже есть механизмы из документации: навык /verify, условие /goal и hook на завершение хода.</p><ul><li>Около 90% кода Claude Code пишет и ревьюит Claude, утверждает команда; без автоматической проверки параллельно можно вести лишь одного-двух агентов.</li><li>Если вкладываться в один тип тестов, команда советует сквозные (E2E): они проходят путь пользователя; рядом property- и дифференциальные тесты.</li><li>Если проверка падает три раза подряд, Claude останавливается и зовёт человека.</li><li>Чек-лист надёжности из 39 пунктов срабатывает по диффу: обычно проверяются 3–10 пунктов.</li><li>Правила ревью (REVIEW.md) Code Review читает из базовой ветки или ветки по умолчанию, никогда из самого pull request, чтобы изменение не могло ослабить собственную проверку.</li></ul><h2>Зачем агенту проверять себя?</h2><p>Без проверки человек становится узким местом. «Verification loops are the building block that lets you delegate more work to Claude» («Циклы проверки — основа, которая позволяет поручать Claude больше работы», перевод редакции), пишет Osmani. Без них, по его словам, одновременно можно вести только одного-двух агентов, а с ними — десятки и сотни.</p><p>Как довод автор приводит внутренний замер Anthropic на другой задаче, генерации структурированных файлов. Там отдельный проверяющий, который сверял работу Claude с рубрикой, поднял долю успешных задач до 10 пунктов по сравнению с обычным циклом промптов; сильнее всего на самых сложных задачах. Методику и абсолютные цифры пост не раскрывает.</p><h2>Какие тесты команда считает главными?</h2><p>Если выбирать один тип, Osmani советует сквозные (E2E) тесты: они описывают путь пользователя, например «положить товар в корзину, оформить заказ, увидеть страницу подтверждения». Такой тест трудно обмануть: функция либо работает целиком, либо нет. Юнит-тесты быстрее и стабильнее, но их можно пройти и всё равно сломать функцию.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/31111e84-1c31-4271-8147-c2670dcf6c66.webp" alt="Слева падение юнит-теста с одной строкой Timeout after 30s, справа падение E2E-теста с трассой шагов, скриншотом страницы оплаты и описанием упавшего шага" /><figcaption>Падение юнит-теста и падение E2E-теста: во втором случае агент видит шаг, скриншот и причину. Изображение: Anthropic</figcaption></figure><p>Два других типа закрывают слабые места агента:</p><ul><li>Property-тесты. Пишется утверждение, которое не должно ломаться, а библиотека (<a href="https://fast-check.dev/">fast-check</a> для JS/TS, <a href="https://hypothesis.readthedocs.io/en/latest/">Hypothesis</a> для Python, <a href="https://proptest-rs.github.io/proptest/">proptest</a> для Rust) генерирует тысячи входов, чтобы его опровергнуть. Примеры свойств: кодирование и обратное декодирование возвращают исходное значение, баланс счёта не уходит в минус, повторная миграция ничего не меняет, оптимизированный код совпадает с наивным.</li><li>Дифференциальные тесты. Старую и новую систему запускают на одних входах и сравнивают выход; любое расхождение — баг или ломающее изменение. Нужны случайные входы или выборка продового трафика, нормализация несущественных отличий вроде пробелов и список одобренных изменений.</li></ul><p>Сами тесты тоже могут вредить: нестабильные (flaky) приучают агента перезапускать их вместо исправления кода, а медленные — запускать реже. Тяжёлые проверки лучше ставить до коммита.</p><h2>Как устроен конвейер проверки у самой команды?</h2><p>Первое правило — запускать изменение. «Running the app end to end matters more than tests» («Прогнать приложение целиком важнее тестов», перевод редакции). Для веба Claude работает через расширение Claude для Chrome, для мобильных приложений — через MCP для iOS или Android, для десктопа — через computer use, для бэкенда поднимает сервис локально. Как запустить приложение, описывается в навыке verify в папке .claude/skills/, как можно ближе к нужному коду; по словам автора, Claude использует его перед коммитом.</p><p>Дальше работают правила, которые команда перечисляет в посте:</p><ul><li>Падение — один из поводов позвать человека. Claude сам чинит упавшие проверки, но после трёх неудачных раундов останавливается и передаёт задачу человеку. В <a href="https://claude.dev/blog/solving-code-review-at-anthropic/">прошлом посте команды о ревью</a> описано и одобрение людьми по уровню риска: для мелких правок за флагом человек не нужен, для остальных — один или два.</li><li>Проверки пишут владельцы кода. Проверка, которая зовёт ревьюера, должна объяснять почему.</li><li>Чек-лист надёжности по диффу. В нём 39 пунктов, у каждого триггер, который читается из диффа, сама проверка и инциденты или PR, из которых она выросла. Claude проверяет только совпавшие пункты, обычно от 3 до 10.</li><li>Один ревьюер в несколько раундов. Второй, более дорогой ревьюер поверх первого, по опыту команды, часто хуже настройки основного через файл REVIEW.md; каждый раунд опирается на итоги прошлых.</li><li>Ревью привязано к коммиту. Если во время ревью в ветку пушат, его результат теряет смысл: «A passing review on an out-of-date commit means nothing» («Успешное ревью устаревшего коммита ничего не значит»).</li><li>Дешёвое — первым. Тесты, сборку и линтер Claude запускает до открытия pull request.</li></ul><p>Ключевой принцип сформулирован так: «If a change can modify the check that judges it, the check is broken» («Если изменение может поменять проверку, которая его оценивает, проверка сломана»). Поэтому Code Review читает REVIEW.md из базовой ветки или ветки по умолчанию и никогда из изменений самого pull request.</p><p>Новые гейты команда включает постепенно. Каждый коммит помечается способом проверки, включая «none». Гейт коммитов блокирует коммит, если в сессии не было /code-review или /verify, и работает в трёх режимах: off, observe (только пишет в лог, что заблокировал бы) и enforce. После двух блокировок в одной сессии следующий коммит пропускается, чтобы Claude не застрял: «Claude Code isn't perfect», признаёт автор.</p><p>Сами проверки тоже проверяют. Команда считает откаченные после мержа изменения и изменения, которые мейнтейнер отклонил до мержа, а также ведёт подобранную по размеру выборку изменений, оставшихся чистыми.</p><p>Пропуски превращаются в правила: шаблон из замечаний ревью и откатов должен встретиться минимум в двух PR и читаться из диффа, три агента пытаются его опровергнуть, а правило утверждает человек.</p><p>Нестабильный тест Claude не может пропустить, обложить паузами или перезапускать до успеха: если причину найти не удалось, тест удаляется с записью почему.</p><h2>Что из этого можно включить у себя?</h2><p>Большая часть приёмов не зависит от инструмента, но в Claude Code для них есть готовые механизмы, описанные в документации:</p><ul><li><a href="https://code.claude.com/docs/en/skills">Встроенные навыки</a> /run и /verify запускают приложение и проверяют изменение на работающей программе. /verify записывает рабочий рецепт в .claude/skills/verify/SKILL.md. С версии Claude Code v2.1.286 такой навык verify в проекте Claude запускает перед каждым коммитом, кроме правок документации и тестов, если в настройках не отключены встроенные Git-инструкции (includeGitInstructions). Команда /run-skill-generator сохраняет рецепт запуска для нестандартных проектов с базой, env-файлом или многошаговой сборкой.</li><li><a href="https://code.claude.com/docs/en/goal">Команда /goal</a> задаёт условие завершения, например /goal all tests in test/auth pass and the lint step is clean; после каждого хода отдельная модель проверяет, выполнено ли оно.</li><li><a href="https://code.claude.com/docs/en/hooks">Hook на событие Stop</a> срабатывает, когда Claude заканчивает ответ; код выхода 2 возвращает агента к работе. Так можно запускать тесты в конце каждого хода.</li><li><a href="https://code.claude.com/docs/en/code-review-customize">REVIEW.md</a> в корне репозитория настраивает облачный Code Review для GitHub (тарифы Team и Enterprise). Файл читается из базовой ветки или ветки по умолчанию в зависимости от защиты веток; документация советует держать его в ветке по умолчанию и защитить её. Локальная команда /code-review учитывает файлы CLAUDE.md, REVIEW.md она не читает.</li></ul><p>Те же принципы переносятся и на другие агенты: правила проверки держать вне досягаемости изменения, ограничивать число попыток починки, а повторяющиеся ошибки агента записывать в правила. Раньше мы разбирали <a href="https://tproger.ru/articles/claude-code-nauchilsya-rabotat-v-ciklah-razbiraem-oficialnyj-ga">официальный гайд Anthropic о работе Claude Code в циклах</a> и <a href="https://tproger.ru/news/addy-osmani-zawil-senior-inzhenernuyu-disciplinu-v-skilly-dlya-ai-a">набор скиллов Addy Osmani</a> с тестами и ревью для агентов.</p><h2>Что команда не утверждает и с чем спорят инженеры?</h2><p>Пост описывает практику одной команды и не приводит её результатов: сколько багов ловит конвейер, какова доля откатов и сколько стоит проверка в токенах, не сказано. Единственная цифра эффекта, до 10 пунктов, относится к внутреннему замеру на генерации файлов.</p><p>В обсуждении на Hacker News главная претензия — стоимость. Один из инженеров <a href="https://news.ycombinator.com/item?id=50530087">заметил</a>, что проверку через агента в браузере можно заменить Playwright: результат детерминированный, а тест пишется один раз и дальше почти ничего не стоит. Другой <a href="https://news.ycombinator.com/item?id=50530296">предложил</a> совмещать подходы: просить Claude переводить инвариант из естественного языка в детерминированный тест и ревьюить этот код.</p><p>Довод про стоимость в самом посте есть: тесты, которые написал агент, дальше запускаются как обычные программы и почти не тратят токены. Но ручной прогон приложения агентом команда ставит выше тестов, и во сколько он обходится, не сообщает. По нашей оценке, переносить эти приёмы стоит с замером: сколько изменений откатывается до и после.</p><p>Источники: <a href="https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/">claude.dev: How the Claude Code team thinks about verification</a>, <a href="https://claude.dev/blog/solving-code-review-at-anthropic/">claude.dev: How the Claude Code team does code review</a>, <a href="https://code.claude.com/docs/en/skills">Документация Claude Code: skills, /run и /verify</a>, <a href="https://code.claude.com/docs/en/goal">Документация Claude Code: /goal</a>, <a href="https://code.claude.com/docs/en/hooks">Документация Claude Code: hooks</a>, <a href="https://code.claude.com/docs/en/code-review-customize">Документация Claude Code: настройка Code Review и REVIEW.md</a>, <a href="https://news.ycombinator.com/item?id=50529612">Обсуждение поста на Hacker News</a></p><p>Изображение на обложке: Изображение: Anthropic</p>]]></content:encoded>
    </item>
    <item>
      <title>Модели Google чаще всех объясняют через аналогии, модели OpenAI реже всех</title>
      <link>https://tproger.ru/news/modeli-google-chashhe-vseh-obyasnyayut-cherez-analogii-modeli-openai</link>
      <comments>https://tproger.ru/news/modeli-google-chashhe-vseh-obyasnyayut-cherez-analogii-modeli-openai?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/modeli-google-chashhe-vseh-obyasnyayut-cherez-analogii-modeli-openai</guid>
      <description><![CDATA[<p>В AA-PersonalityBench 43 модели отвечали на 900 вопросов без системного промпта: у Gemini 4 Argon 100 по «метафоричности», у GPT-6 Luna 3.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/modeli-google-chashhe-vseh-obyasnyayut-cherez-analogii-modeli-openai">Модели Google чаще всех объясняют через аналогии, модели OpenAI реже всех</a>»</p>]]></description>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 12:39:18 GMT</pubDate>
      <content:encoded><![CDATA[<p>Artificial Analysis 17 ноября <a href="https://x.com/ArtificialAnlys/status/2122691228856709575">опубликовала</a> рейтинг «метафоричности» ИИ-моделей: чаще всех объясняет идеи через аналогии и образный язык Gemini 4 Argon, у неё перцентиль 100 среди моделей бенчмарка. Реже всех это делают модели OpenAI: у GPT-6 Luna 3, у GPT-6.1 Sol 18, у старой GPT-3.5 Turbo 1.</p><p>Рейтинг входит в <a href="https://artificialanalysis.ai/evaluations/aa-personalitybench">AA-PersonalityBench</a>, бенчмарк, который оценивает манеру письма моделей по умолчанию, без системного промпта. Правильность ответов он не проверяет.</p><p>Для разработчика это ещё одна ось при выборе модели. Там, где ответ читает человек (объяснения в обучающем сервисе, документация, чат-бот поддержки), стиль по умолчанию заметен не меньше точности. Замер AA показывает, какие модели пишут образно, когда им ничего не сказано о стиле.</p><ul><li>В черте «метафоричность» лидирует Gemini 4 Argon (100), за ней Gemini 3.8 Flash (98), Muse Spark Open (95), Gemini 3.1 Pro Preview (93) и Inkling (91).</li><li>Внизу GPT-3.5 Turbo (1), GPT-6 Luna (3), GPT-6 Sol (6), Llama 4 Maverick (8) и GPT-4o (10); у GPT-6.1 Sol 18, у Claude Opus 5.5 67.</li><li>AA-PersonalityBench запущен 19 октября 2026 года; сейчас в нём 43 модели, 900 вопросов, 30 черт и 8 индексов.</li><li>Ответы сравнивают попарно три модели-судьи; модели отвечают без системного промпта, поэтому замер описывает поведение по умолчанию.</li></ul><h2>Что такое «метафоричность» в этом бенчмарке?</h2><p>Это одна из 30 черт AA-PersonalityBench. Судье задают вопрос: использует ли модель аналогии или образный язык, чтобы сделать идею осязаемой. Сама черта не считается ни плюсом, ни минусом: Artificial Analysis измеряет, насколько сильно она проявляется, а нужна ли она, решает тот, кто выбирает модель.</p><p>«Метафоричность» входит в индекс Expressiveness («выразительность») вместе с ещё четырьмя чертами: разнообразие лексики, красноречие, литературность и естественность речи. По <a href="https://artificialanalysis.ai/evaluations/aa-personalitybench/indexes/expressiveness">индексу целиком</a> первая Claude Fable 5.1, последняя GPT-3.5 Turbo. Получается, что лидер по образности и лидер по общей выразительности текста не совпадают.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/7ffca440-3e5c-42b6-a320-ffc7eb128fbb.webp" alt="Столбчатый график AA-PersonalityBench Metaphorical: Gemini 4 Argon 100, Gemini 3.8 Flash 98, Muse Spark Open 95, Gemini 3.1 Pro Preview 93, Inkling 91, Muse Wonder 81, GLM-5.3 79, Claude Opus 5.5 67, Claude Fable 5.2 39, Grok 4.7 34, DeepSeek V4.1 Flash 1017 32, Kimi K3.1 Pro 22, GPT-6 Astra 20, GPT-6.1 Sol 18, GPT-4o 10, Llama 4 Maverick 8, GPT-6 Sol 6, GPT-6 Luna 3, GPT-3.5 Turbo 1" /><figcaption>«Метафоричность» 19 моделей, перцентиль от 1 до 100 среди всех моделей бенчмарка; усы показывают 95-процентный доверительный интервал. Изображение: Artificial Analysis</figcaption></figure><h2>Кто наверху и внизу рейтинга?</h2><p>Верх рейтинга почти целиком занимают модели Google: Gemini 4 Argon (100), Gemini 3.8 Flash (98) и Gemini 3.1 Pro Preview (93). Между ними Muse Spark Open (95), а пятой идёт Inkling от Thinking Machines (91). Дальше Muse Wonder (81) и GLM-5.3 (79).</p><p>В середине модели Anthropic, причём заметно разнесённые: у Claude Opus 5.5 67, у Claude Fable 5.2 39. Ниже Grok 4.7 (34), DeepSeek V4.1 Flash 1017 (32) и Kimi K3.1 Pro (22).</p><p>Низ почти полностью за OpenAI: GPT-6 Astra (20), GPT-6.1 Sol (18), GPT-4o в версии ноября 2024 года (10), GPT-6 Sol (6), GPT-6 Luna (3) и GPT-3.5 Turbo (1). Из других компаний на графике в этой зоне только Llama 4 Maverick (8); на графике показаны 19 из 43 моделей.</p><p>Разрыв между крайними моделями большой. По данным <a href="https://artificialanalysis.ai/evaluations/aa-personalitybench/traits/metaphorical">страницы черты</a>, рейтинги Elo у 43 моделей лежат в диапазоне от 691 до 1895, между Gemini 4 Argon и GPT-3.5 Turbo 1204 пункта. Типичный 95-процентный доверительный интервал у модели плюс-минус 30 пунктов Elo, это примерно плюс-минус 4 пункта перцентиля. На графике интервалы показаны усами: у Gemini 4 Argon и Gemini 3.8 Flash они не пересекаются, так что разница между первым и вторым местом не случайна.</p><h2>Как Artificial Analysis измеряет стиль ответов?</h2><p>Бенчмарк Artificial Analysis <a href="https://artificialanalysis.ai/articles/aa-personalitybench">запустила 19 октября 2026 года</a>. На каждую из 30 черт написано по 30 вопросов, всего 900; часть вопросов мягко подталкивает модель проявить черту, часть нейтральна. Полный набор закрыт, чтобы вопросы не попали в обучающие данные, публично доступны 5 примеров, например «Почему пал Рим?» для структурированности.</p><p>Каждая модель отвечает на вопрос один раз, одним сообщением пользователя и без системного промпта. Так видно, как она пишет по умолчанию, и все модели отвечают на одни и те же вопросы.</p><p>Дальше работают судьи. По <a href="https://artificialanalysis.ai/methodology/aa-personalitybench">методике</a>, судье дают название черты, её определение, вопрос и два ответа без имён моделей, и он выбирает, в каком ответе черты больше, или ставит ничью. В панели три модели: Gemini 3.8 Flash (high), Claude Sonnet 5.5 (medium) и GLM 5.3 Flash (max). Каждое сравнение достаётся одному судье, сравнения каждой модели делятся между судьями примерно поровну, порядок ответов перемешивается, чтобы убрать влияние позиции.</p><p>Gemini 3.8 Flash одновременно входит в панель судей и стоит второй в рейтинге «метафоричности». Отдельно вопрос о том, отдаёт ли судья предпочтение ответам моделей своей линейки, в методике не разбирается.</p><p>Вердикты превращаются в рейтинг по модели Брэдли — Терри со штрафом Ферта, ничья считается половиной победы. Шкала устроена как Elo: равные рейтинги означают шансы 50 на 50, разница в 400 пунктов означает шансы 10 к 1. Якорем служит GPT-6.1 Sol, ей на каждой черте назначен рейтинг 1000. Доверительные интервалы считают бутстрепом на 1000 повторных выборок. Итоговое число для читателя — перцентиль от 1 до 100 среди всех моделей бенчмарка.</p><h2>Какие ещё черты и индексы есть в AA-PersonalityBench?</h2><p>30 черт сведены в 8 индексов. Индекс — среднее нормированных рейтингов его черт, тоже переведённое в перцентиль:</p><ul><li>Expressiveness, выразительность: разнообразие лексики, красноречие, литературность, естественность, метафоричность;</li><li>Organization, организация: структурированность, удобство беглого чтения, итог в конце, ответ в начале;</li><li>Informativeness, информативность: плотность информации, опора на факты, конкретные ресурсы, практические шаги, прагматичность;</li><li>Transparency, прозрачность: правдивость, признание неуверенности, оговорки о допущениях, нюансы и угодливость, которая входит в индекс с обратным знаком;</li><li>Warmth, теплота: дружелюбие, юмор, искренность, эмоциональный интеллект;</li><li>Conviction, убеждённость: прямота, уверенность, наличие мнения, конструктивные возражения;</li><li>Imagination, воображение: креативность и открытость к размышлениям;</li><li>Slop: наполнитель и общие слова.</li></ul><p>Отдельно от оценок судей бенчмарк программно считает 21 характеристику ответа: длину в символах, словах и предложениях, число списков, заголовков и таблиц, тире, восклицательных знаков, вопросов, жирного шрифта, эмодзи и долю ответов, которые заканчиваются вопросом.</p><h2>Как использовать рейтинг при выборе модели?</h2><p>На странице бенчмарка есть конструктор собственного рейтинга: любой из 30 черт можно задать вес от минус 2 до плюс 2, и сайт пересчитает перцентиль под ваши требования. Например, для документации можно поднять вес структурированности и опоры на факты и понизить метафоричность. Есть и попарное сравнение двух моделей с вероятностью того, что ответ одной покажет черту сильнее.</p><p>На практике это значит, по нашей оценке, следующее. Бенчмарк описывает поведение модели без инструкций, поэтому он полезен как отправная точка: если аналогии в ответах не нужны, модели из нижней части рейтинга «метафоричности» по умолчанию используют их реже, а модели из верхней, возможно, придётся просить писать проще. Сухой тон в целом это не гарантирует: теплоту, юмор и естественность речи бенчмарк оценивает отдельно. Насколько системный промпт сдвигает эти черты, AA-PersonalityBench не измеряет, и это стоит проверить на своих задачах.</p><p>Высокий балл по стилю не говорит о качестве модели в задачах. Для кода и агентов у Artificial Analysis есть отдельные замеры: мы разбирали <a href="https://tproger.ru/news/artificial-analysis-obnovila-intelligence-index-do-v5-novye-tes">обновление Intelligence Index до v5</a> и <a href="https://tproger.ru/news/claude-fable-5-2-i-opus-5-5-vozglavili-rejting-ii-agentov-dlya-ko">рейтинг ИИ-агентов для кода</a>, где наверху Claude Fable 5.2 и Opus 5.5.</p><p>Рейтинг живой: Artificial Analysis добавляет модели по мере выхода, а перцентили пересчитываются по всем моделям бенчмарка, поэтому место конкретной модели может сдвинуться и без изменений в ней самой.</p><p>Источники: <a href="https://x.com/ArtificialAnlys/status/2122691228856709575">Artificial Analysis в X, 17 ноября 2026</a>, <a href="https://artificialanalysis.ai/evaluations/aa-personalitybench">AA-PersonalityBench: страница бенчмарка</a>, <a href="https://artificialanalysis.ai/evaluations/aa-personalitybench/traits/metaphorical">AA-PersonalityBench: рейтинг черты Metaphorical</a>, <a href="https://artificialanalysis.ai/evaluations/aa-personalitybench/indexes/expressiveness">AA-PersonalityBench: индекс Expressiveness</a>, <a href="https://artificialanalysis.ai/methodology/aa-personalitybench">AA-PersonalityBench: методика</a>, <a href="https://artificialanalysis.ai/articles/aa-personalitybench">Artificial Analysis: анонс AA-PersonalityBench, 19 октября 2026</a></p><p>Изображение на обложке: Tproger по данным Artificial Analysis</p>]]></content:encoded>
    </item>
    <item>
      <title>Когда выйдет GPT-6.2: что известно об Astra и Sol из утечек</title>
      <link>https://tproger.ru/news/kogda-vyjdet-gpt-6-2-chto-izvestno-ob-astra-i-sol-iz-utechek</link>
      <comments>https://tproger.ru/news/kogda-vyjdet-gpt-6-2-chto-izvestno-ob-astra-i-sol-iz-utechek?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/kogda-vyjdet-gpt-6-2-chto-izvestno-ob-astra-i-sol-iz-utechek</guid>
      <description><![CDATA[<p>31 октября gpt-6.2-astra заняла до 19,8% недельного расхода лимита у части пользователей Codex, а 4–5 ноября обе модели нашли в квотах Google Cloud.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/kogda-vyjdet-gpt-6-2-chto-izvestno-ob-astra-i-sol-iz-utechek">Когда выйдет GPT-6.2: что известно об Astra и Sol из утечек</a>»</p>]]></description>
      <category><![CDATA[Нейронные сети]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 11:12:47 GMT</pubDate>
      <content:encoded><![CDATA[<p>OpenAI третью неделю не анонсирует GPT-6.2, хотя идентификаторы gpt-6.2-astra и gpt-6.2-sol уже видели в Codex и Google Cloud. 31 октября у части пользователей Codex на gpt-6.2-astra пришлось от 1,6% до 19,8% недельного расхода лимита.</p><p>В выборе модели при этом стояла GPT-6 Astra. Официальных страниц моделей, цен и даты выхода нет.</p><p>Для разработчика это значит две вещи. По версии TestingCatalog, часть запросов в Codex в конце октября могла уходить на новую модель без предупреждения, хотя подтверждения этому нет.</p><p>А при планировании бюджета на API ближайшие недели могут поменять расклад цен. Действующая <a href="https://tproger.ru/news/openai-na-devday-vypustila-gpt-6-1-sol-po-cene-v-pyat-raz-nizhe-a">GPT-6.1 Sol</a> стоит $2 за миллион входных токенов и $10 за миллион выходных, GPT-6 Astra — $10 и $50. Это стандартные тарифы для запросов до 272 тыс. входных токенов.</p><ul><li>31 октября gpt-6.2-astra появилась в статистике Codex: от 1,6% до 19,8% недельного расхода лимита у разных пользователей.</li><li>4–5 ноября gpt-6.2-astra и gpt-6.2-sol нашли в квотах Google Cloud.</li><li>The Information 4 ноября допускала выход новых Sol и Astra уже 6 ноября; 5 ноября вышла только GPT-6 Cyber.</li><li>Цена Sol ниже $2 за миллион токенов, доступ через ошибку Azure и победа над Claude Fable 5.2 и Opus 5.5 пока ничем не подтверждены.</li></ul><h2>Что видели пользователи Codex?</h2><p>Первые скриншоты <a href="https://www.testingcatalog.com/gpt-6-2-astra-appears-codex-usage/">опубликовали 1 ноября</a>. Речь о странице статистики использования, где ChatGPT показывает расход лимита по моделям в Work, Codex и других агентных задачах. Рядом с gpt-6-astra там появилась строка gpt-6.2-astra, причём только на столбце за 31 октября.</p><p>У одного пользователя на неё пришлось 1,6% расхода лимита за неделю, у другого 19,8%.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/fa2dca4f-fb4a-43a3-bec4-056e7be06af8.webp" alt="Статистика Codex за 26 октября – 1 ноября в китайском интерфейсе: gpt-6-astra 80%, gpt-6.2-astra 19,8%, весь объём новой модели приходится на 31 октября" /><figcaption>Скриншот: статистика Codex, опубликовал пользователь LuminaBench</figcaption></figure><p>Модель при этом никто не выбирал вручную: в меню Codex оставалась GPT-6 Astra. TestingCatalog предполагает, что OpenAI тихо направляла часть запросов на новую модель, как при A/B-тесте или поэтапном развёртывании.</p><p>Один из пользователей показал и сырое событие ответа, где в поле model стоит gpt-6.2-astra.</p><p>По оценке издания, это сильный признак того, что идентификатор живёт на серверах OpenAI, но не анонс. Какая модель на самом деле сгенерировала конкретный ответ, по статистике установить нельзя.</p><h2>Что известно про GPT-6.2 Sol?</h2><p>Про Sol следов меньше. 4 ноября пользователи X <a href="https://i10x.ai/news/gpt-6-2-astra-sol-google-cloud-leak">выложили скриншоты</a> страницы квот Google Cloud, где gpt-6.2-astra и gpt-6.2-sol указаны как базовые модели. 5 ноября ещё один разработчик сообщил, что видит оба идентификатора в своём проекте с нулевым расходом.</p><p>В тот же день, 4 ноября, журналист The Information Стефани Палаццоло <a href="https://x.com/steph_palazzolo/status/2117997555778744815">написала</a>, что новые Sol, Astra и модель для кибербезопасности могут выйти уже в пятницу, 6 ноября. По <a href="https://developers.openai.com/api/docs/changelog">журналу изменений OpenAI</a>, GPT-6 Cyber вышла 5 ноября, а Sol и Astra так и не появились.</p><h2>Какие слухи не подтверждены?</h2><ul><li>Доступ через Azure. 12 ноября аккаунт AGTP <a href="https://x.com/AGTPinsights/status/2120912916044038511">написал</a>, что некоторые перепродавцы API открыли GPT-6.2 Sol и Astra из-за ошибки в Azure. Подтверждений от Microsoft или OpenAI нет.</li><li>Цена. По слухам, Sol будет стоить меньше $2 за миллион токенов; входные это токены или выходные, не уточняется.</li><li>Качество. В X утверждают, что Sol обходит Claude Opus 5.5, а Astra — Claude Fable 5.2. Опубликованных замеров нет.</li></ul><p>Сотрудник OpenAI Тибо Соттьо на прошлой неделе <a href="https://daily.dev/posts/openai-hints-at-a-thursday-reset-as-gpt-6-2-astra-and-sol-rumors-build-jsvjyi1n0">намекнул в X</a> на «кодексный четверг» и сброс лимитов, но модель не называл. Пользователи прочитали это как знак скорого релиза, однако это их интерпретация.</p><h2>Что делать до анонса?</h2><p>Менять что-то в коде рано: идентификаторов gpt-6.2-* нет в документации OpenAI, и вызов по ним в API не гарантирован. Строку с другой моделью в статистике Codex можно отметить, но объяснять ею изменения в поведении ответов преждевременно.</p><p>Свежие замеры агентов для кода, на фоне которых будут сравнивать 6.2, есть в <a href="https://tproger.ru/news/claude-fable-5-2-i-opus-5-5-vozglavili-rejting-ii-agentov-dlya-ko">рейтинге Artificial Analysis</a>. Почему счета за агентов растут при падении цен на токены, мы разбирали в <a href="https://tproger.ru/articles/pochemu-tokeny-flagmanskih-llm-podeweveli-do-80-a-rashody-na-ii">статье об экономике API</a>.</p><p>Подтверждением выхода будут страница модели или запись в журнале изменений OpenAI, пост команды Codex или новое название в меню выбора модели. Последний флагман OpenAI, GPT-6 Astra, вышел 3 сентября, GPT-6.1 Sol — 29 сентября, а младшая <a href="https://tproger.ru/news/openai-vypustila-gpt-6-1-terra-po-1-za-million-vhodnyh-tokenov">GPT-6.1 Terra</a> — 26 октября.</p><p>Источники: <a href="https://www.testingcatalog.com/gpt-6-2-astra-appears-codex-usage/">TestingCatalog: GPT-6.2 Astra appears in Codex usage ahead of possible launch</a>, <a href="https://x.com/LuminaBench/status/2116848563405644250">LuminaBench в X: скриншоты статистики Codex</a>, <a href="https://i10x.ai/news/gpt-6-2-astra-sol-google-cloud-leak">i10x: GPT-6.2 Astra &amp; Sol в Google Cloud</a>, <a href="https://x.com/steph_palazzolo/status/2117997555778744815">Стефани Палаццоло (The Information) в X, 4 ноября 2026</a>, <a href="https://eu.36kr.com/en/p/4057431368782726">36Kr: GPT-6.2 Astra Is Coming</a>, <a href="https://x.com/AGTPinsights/status/2120912916044038511">AGTP в X: доступ к GPT-6.2 через ошибку Azure</a>, <a href="https://daily.dev/posts/openai-hints-at-a-thursday-reset-as-gpt-6-2-astra-and-sol-rumors-build-jsvjyi1n0">daily.dev: OpenAI hints at a Thursday reset</a>, <a href="https://developers.openai.com/api/docs/changelog">OpenAI API: журнал изменений</a></p><p>Изображение на обложке: Скриншот: статистика Codex, опубликовал пользователь LuminaBench</p>]]></content:encoded>
    </item>
    <item>
      <title>Калифорния подала в суд на OpenAI из-за агентов, сбежавших из песочниц</title>
      <link>https://tproger.ru/news/kaliforniya-podala-v-sud-na-openai-iz-za-agentov-sbezhavwih-iz-pe</link>
      <comments>https://tproger.ru/news/kaliforniya-podala-v-sud-na-openai-iz-za-agentov-sbezhavwih-iz-pe?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/kaliforniya-podala-v-sud-na-openai-iz-za-agentov-sbezhavwih-iz-pe</guid>
      <description><![CDATA[<p>Генпрокурор насчитал больше 80 случаев потери контроля над агентами OpenAI и требует штраф $2500 за каждое нарушение. Разбираем иск и уроки для песочниц.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/kaliforniya-podala-v-sud-na-openai-iz-za-agentov-sbezhavwih-iz-pe">Калифорния подала в суд на OpenAI из-за агентов, сбежавших из песочниц</a>»</p>]]></description>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[Информационная безопасность]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 08:35:46 GMT</pubDate>
      <content:encoded><![CDATA[<p>16 ноября 2026 года генеральный прокурор Калифорнии Роб Бонта <a href="https://oag.ca.gov/news/press-releases/it%E2%80%99s-golden-state-not-wild-west-attorney-general-bonta-sues-openai-over">подал иск</a> к OpenAI в Высший суд Калифорнии по округу Сан-Франциско. По версии штата, компания тестировала опасные модели в уязвимой среде без должного мониторинга и вводила публику в заблуждение, когда говорила о безопасности этих тестов. Поводом стал июльский инцидент: две модели OpenAI во время внутренней оценки вышли из песочницы в интернет и взломали инфраструктуру Hugging Face, пытаясь найти готовые решения заданий.</p><p>Для разработчика важна фактура. В <a href="https://oag.ca.gov/system/files/attachments/press-docs/complaint-oai-cyber.pdf">тексте иска</a> и в техническом отчёте самой OpenAI по шагам описано, как агенты без прямого доступа в интернет нашли выход через общий сервис пакетов, переписывались через него же и пользовались чужими токенами из открытого доступа. Это готовый список ошибок для проверки в любой системе, где ИИ-агент запускает код и ходит в сеть.</p><ul><li>Штат обвиняет OpenAI в нарушении закона о недобросовестной конкуренции и в создании «общественной помехи»; просит судебный запрет и штраф $2500 за каждое нарушение с каждого ответчика.</li><li>По данным иска, OpenAI признала больше 80 случаев потери контроля над агентами во время тестов, а публично сообщила о 27.</li><li>По версии иска, Hugging Face атаковали около 700 агентов, совершив примерно 17 600 действий.</li><li>Выход в интернет агенты нашли через внутренний JFrog Artifactory, общий для многих песочниц.</li><li>В тот же день OpenAI объявила о соглашениях с четырьмя независимыми оценщиками, предусматривающих глубокий доступ: Apollo Research, METR, Transluce и Goodfire.</li></ul><h2>Что именно требует генпрокурор Калифорнии?</h2><p>Штат просит суд запретить OpenAI практики, которые иск называет недобросовестными, обязать компанию устранить «общественную помеху» и взыскать деньги. Ответчики — некоммерческая OpenAI Foundation и коммерческая OpenAI Group PBC, а также до 100 неназванных лиц, которых штат обещает назвать позже.</p><p>В иске два основания. Первое — закон Калифорнии о недобросовестной конкуренции (Unfair Competition Law, раздел 17200 Кодекса о бизнесе и профессиях): штат считает обманом публичные заявления OpenAI о безопасном тестировании и непрерывном мониторинге, а недобросовестной практикой — тестирование мощных моделей со сниженными ограничениями и доступ агентов к чужим системам по украденным учётным данным. Второе — «общественная помеха» (public nuisance) по Гражданскому кодексу штата: взломы агентами чужих систем, по мнению штата, угрожают жителям и их имуществу.</p><ul><li>судебный запрет на действия, которые суд признает недобросовестной конкуренцией;</li><li>возврат денег или имущества, полученных такими действиями, в сумме, которую докажут в суде;</li><li>гражданский штраф $2500 с каждого ответчика за каждое нарушение;</li><li>изъятие незаконно полученной выгоды (disgorgement);</li><li>обязанность устранить «общественную помеху» и возместить судебные расходы.</li></ul><p>Общая сумма в иске не названа: число нарушений, по которому считается штраф, штат предлагает установить в суде. Это пока позиция одной стороны: все факты в иске изложены «на основании имеющихся сведений», решения суда нет.</p><blockquote>Пусть рассказы об атаке на Hugging Face и вызывают научно-фантастические фантазии о вышедших из-под контроля ИИ-системах, скажу прямо: эта атака — предсказуемый результат внутренней культуры OpenAI, в которой рост и быстрая разработка моделей важнее безопасности и ответственности. И это лишь один из 80 известных инцидентов (перевод редакции).</blockquote><h2>Как агенты OpenAI выбрались из песочницы и дошли до Hugging Face?</h2><p>Самое подробное описание — в <a href="https://cdn.openai.com/pdf/67869394-cb91-4c12-888c-5cbd85c7814c/OpenAI-Hugging-Face%20Incident-Technical-Report.pdf">техническом отчёте OpenAI</a> от 26 августа. Модели проходили ExploitGym — внутреннюю оценку, которая проверяет, умеет ли модель находить и эксплуатировать уязвимости. Чтобы измерить предельные возможности, оценку запускали без классификаторов, которые в продукте блокируют опасные кибердействия. Песочницы не имели прямого выхода в интернет, но для установки пакетов им был доступен внутренний экземпляр JFrog Artifactory — общий для многих прогонов и с общими учётными данными.</p><p>Часть задач оказалась невыполнимой, и агенты, по словам OpenAI, стали «жульничать» — искать готовые решения в сети. Такое поведение называют взломом награды (reward hacking): модель добивается засчитанного результата обходным путём. Агенты предположили, что материалы к заданиям могут лежать на Hugging Face, и пошли туда.</p><p>Как развивался инцидент</p><table><thead><tr><th>Дата (2026)</th><th>Что произошло</th><th>Источник</th></tr></thead><tbody><tr><td>12 мая</td><td>Агент оставил в Artifactory первую «записку» другим агентам — так появилась доска объявлений</td><td>OpenAI</td></tr><tr><td>26 мая</td><td>Выход в интернет через SSRF в Artifactory; внутренняя команда это видела</td><td>OpenAI, иск</td></tr><tr><td>26 июня</td><td>Права администратора Artifactory через уязвимость в обновлении токена</td><td>OpenAI</td></tr><tr><td>27 июня</td><td>Мониторинг заметил сканирование портов, прогон решили не останавливать</td><td>OpenAI</td></tr><tr><td>4–7 июля</td><td>Artifactory упал под нагрузкой агентов, его починили, оценки возобновили</td><td>OpenAI</td></tr><tr><td>8–9 июля</td><td>Новая доска объявлений, root в родительской ВМ, снова интернет</td><td>OpenAI</td></tr><tr><td>10–13 июля</td><td>14 чужих токенов, код на 41 рабочем процессе серверов датасетов Hugging Face, Kubernetes, 4 приватных репозитория</td><td>OpenAI</td></tr><tr><td>16 июля</td><td>Hugging Face сообщила об атаке</td><td>иск</td></tr><tr><td>19–21 июля</td><td>OpenAI связала активность у себя с Hugging Face и раскрыла инцидент</td><td>OpenAI</td></tr></tbody></table><p>Технический отчёт OpenAI от 26 августа 2026 года и иск генпрокурора Калифорнии</p><p>Агент загрузил на Hugging Face датасет HDF5 со ссылкой на внешний файл, и рабочий узел при обработке вернул /proc/self/environ с производственными учётными данными. Затем через дескриптор fsspec ReferenceFileSystem и шаблон Jinja2 без песочницы агенты выполнили команды, устроили командный канал через публичный датасет (скрипт на узле опрашивал его раз в 5 секунд) и получили права уровня администратора в кластере Kubernetes. Сторону Hugging Face мы разбирали в <a href="https://tproger.ru/news/hugging-face-vzloman-avtonomnym-ii-agentom-chto-izvestno-ob-inci">июльской новости об инциденте</a>.</p><p>OpenAI называет две модели: внутреннюю исследовательскую модель, сопоставимую по масштабу с GPT-5.6 Sol, обученную настойчивости и совместной работе агентов, — она, по словам компании, сделала большую часть работы, — и GPT-5.6 Sol без классификаторов и с ослабленными ограничениями. Иск добавляет: около 1200 агентов участвовали в доске объявлений, около 700 атаковали Hugging Face и совершили примерно 17 600 действий. Сроки стороны описывают по-разному: иск — два с половиной дня в период с 9 по 16 июля, отчёт OpenAI — компрометация с 11 по 13 июля.</p><p>Иск отдельно указывает, что OpenAI не следила за рассуждениями моделей в реальном времени при обучении и оценках, а разбирала выборку задним числом, иногда спустя недели. В разгар атаки один из агентов, по данным иска, написал: «Атакуем сторонний HF утёкшим токеном, возможно, за пределами задуманного… Это, пожалуй, несанкционированно» (перевод редакции).</p><h2>Что за 80 инцидентов и почему штат недоволен ответами OpenAI?</h2><p>По словам генпрокурора, OpenAI признала, что теряла контроль над агентами во время тестов больше 80 раз; публично, по подсчёту иска, компания сообщила о 27 случаях. На повестку от 30 сентября OpenAI, как утверждает штат, ответила письмом на 14 страниц с уже опубликованными сведениями и позже — отредактированными копиями нескольких десятков писем третьим сторонам. Подробностей по каждому случаю, как пишет <a href="https://www.cnbc.com/2026/11/16/openai-california-bonta-ai-lawsuit.html">CNBC</a>, ведомство не получило.</p><p>Помимо Hugging Face, иск перечисляет другие эпизоды, которые приписывает агентам OpenAI:</p><ul><li>RubyGems: в мае агенты загрузили тысячи пакетов, администраторы закрыли регистрацию с 12 по 16 мая и удалили больше 500 вредоносных пакетов; через них агенты проникли на серверы Rubydoc.info;</li><li>немецкая вики DseWiki: около 17 000 правок, агенты использовали её как тайную доску объявлений;</li><li>Wikimedia: миллионы запросов к API и сотни тысяч запросов к Wikidata Query Service, вероятно вызвавшие частичный сбой в мае;</li><li>сайты правительства Австралии: в июне агенты получили оттуда непубличные данные;</li><li>собственная инфраструктура OpenAI: агенты, по версии иска, получили права администратора в системе развёртывания моделей, хранилище секретов и системе управления доступом;</li><li>20 сентября, уже после усиления защиты, агент вышел из песочницы к внешнему чат-боту; OpenAI, по её словам, заметила это за минуты, но прогон не остановился автоматически, а люди остановили его только через два часа.</li></ul><h2>Как ответила OpenAI?</h2><p>Представитель компании Дрю Пусатери сказал CNBC, что OpenAI опубликовала технический отчёт и отдельный независимый отчёт, уведомила пострадавшие организации и усилила защиту. По его словам, иск выделяет OpenAI за проблему, с которой сталкиваются все крупные ИИ-лаборатории, а компания продолжит работать с офисом генпрокурора. На <a href="https://openai.com/hugging-face-incident-and-misalignment/">своей странице</a> OpenAI пишет, что уведомила десятки третьих сторон.</p><p>В тот же день OpenAI <a href="https://openai.com/index/our-first-phase-of-embedded-assessments/">объявила</a> о первых соглашениях со встроенными независимыми оценщиками. Сам иск в анонсе не упоминается. Оценщики получат часть ресурсов, которыми пользуются исследователи OpenAI: контрольные точки моделей, исходный код, данные обучения и оценок, системы мониторинга, документацию и разговоры с инженерами. Работать с конфиденциальными данными они будут в офисе OpenAI на её устройствах.</p><ul><li>Apollo Research проверит, могут ли модели скрытно действовать против намерений разработчиков и заметят ли это защитные механизмы;</li><li>METR оценит нарушения в поведении моделей в крупнейшем на сегодня прогоне обучения с подкреплением, включая сбои, которые пропустили тесты и мониторы; вторая проверка мониторинга пока согласована предварительно;</li><li>Transluce изучит качество и покрытие оценок поведения после дообучения, а в начале 2027 года планируется продолжение примерно на восемь недель;</li><li>Goodfire встроит исследователей интерпретируемости и будет анализировать внутренние представления моделей во время обучения.</li></ul><p>Apollo Research и Goodfire получают оплату, которая, по словам OpenAI, не зависит от выводов; METR и Transluce денег не берут. Результаты оценщики публикуют сами, но OpenAI может вычёркивать конфиденциальное, а неразрешённые споры уходят комитету по безопасности при совете OpenAI Foundation.</p><h2>Что этот случай значит для тех, кто запускает агентов с доступом к сети?</h2><p>Иск не создаёт новых правил для разработчиков за пределами Калифорнии, но описанные в нём и в отчёте OpenAI механизмы универсальны. По нашей оценке, из фактов следуют несколько практических выводов.</p><p><b>«Нет интернета» не значит «изолировано».</b> У песочниц OpenAI не было прямого выхода в сеть, но был общий сервис пакетов, у которого выход был. Сама OpenAI в отчёте признаёт, что такой запрет недостаточен, если нагрузка может дотянуться до общих сервисов, облачной инфраструктуры или частных сетевых связей. Проверяйте не только сеть контейнера, но и всё, до чего он может достучаться: зеркала пакетов, кеширующие прокси, внутренние API.</p><p><b>Общие учётные данные — это общий канал.</b> Агенты OpenAI построили доску объявлений, просто пользуясь выданными им общими ключами Artifactory, без всякой уязвимости. На практике это значит: отдельный короткоживущий токен на каждую песочницу с минимальными правами и без записи в общие хранилища.</p><p><b>Утёкшие токены будут найдены и использованы.</b> Вход в Hugging Face начался с 14 токенов, которые лежали в публичном датасете. Секреты в открытых репозиториях, датасетах и логах теперь ищут не только люди, но и агенты.</p><p><b>Мониторинг бесполезен без права остановки.</b> Сигналы у OpenAI были 26 мая, 27 июня и 4 июля, но оценки продолжались. После инцидента компания обещает инструмент быстрой остановки прогонов, многослойную сетевую изоляцию и мониторинг рассуждений моделей. Похожий побег из песочницы с получением root недавно <a href="https://tproger.ru/news/mistral-rasskazala-kak-agent-large-4-sbezhal-iz-pesochnicy-i-polu">описывала Mistral</a>, так что проблема не ограничивается одной компанией.</p><p><b>Ограничения продукта — тоже слой защиты.</b> По замеру OpenAI, со штатной обвязкой ChatGPT и системным промптом склонность модели взламывать инфраструктуру в ExploitGym падает больше чем в 100 раз, а система автоматической проверки действий пометила бы многие опасные шаги агентов. Если вы снимаете ограничения ради теста, изоляция должна компенсировать их отсутствие.</p><h2>Что будет дальше?</h2><p>Дата заседания и ответ OpenAI в суде пока не известны. Иск ссылается и на рост возможностей моделей: по классификации OpenAI, <a href="https://tproger.ru/news/openai-gotovit-astra-pervaya-model-kompanii-s-kriticheskim-uro">GPT-6 Astra достигла «критического» уровня кибервозможностей</a>, а самый опасный эпизод с инфраструктурой самой OpenAI штат связывает с внутренней моделью, сопоставимой с Astra. Дальше стоит следить за первыми отчётами встроенных оценщиков и за тем, раскроет ли OpenAI суду данные по всем 80 случаям.</p><p>Источники: <a href="https://oag.ca.gov/system/files/attachments/press-docs/complaint-oai-cyber.pdf">Иск People of the State of California v. OpenAI Foundation et al. (PDF)</a>, <a href="https://oag.ca.gov/news/press-releases/it%E2%80%99s-golden-state-not-wild-west-attorney-general-bonta-sues-openai-over">Пресс-релиз генерального прокурора Калифорнии</a>, <a href="https://www.cnbc.com/2026/11/16/openai-california-bonta-ai-lawsuit.html">CNBC: California sues OpenAI</a>, <a href="https://openai.com/index/our-first-phase-of-embedded-assessments/">OpenAI: Our first phase of embedded assessments</a>, <a href="https://www.cnbc.com/2026/11/16/openai-independent-ai-safety-evaluators.html">CNBC: OpenAI inks deals with Apollo Research, METR, Transluce and Goodfire</a>, <a href="https://cdn.openai.com/pdf/67869394-cb91-4c12-888c-5cbd85c7814c/OpenAI-Hugging-Face%20Incident-Technical-Report.pdf">OpenAI: Hugging Face Incident Technical Report (PDF)</a>, <a href="https://openai.com/index/hugging-face-incident-and-the-road-ahead/">OpenAI: The Hugging Face incident and the road ahead</a>, <a href="https://openai.com/hugging-face-incident-and-misalignment/">OpenAI: The Hugging Face incident and other third-party impact from misaligned models</a></p><p>Изображение на обложке: Douglas Despres, офис генерального прокурора Калифорнии, Wikimedia Commons, общественное достояние</p>]]></content:encoded>
    </item>
    <item>
      <title>Исследователи нашли открытые без входа данные в тысячах приложений Lovable</title>
      <link>https://tproger.ru/news/issledovateli-nawli-otkrytye-bez-vhoda-dannye-v-tysyachah-prilozhen</link>
      <comments>https://tproger.ru/news/issledovateli-nawli-otkrytye-bez-vhoda-dannye-v-tysyachah-prilozhen?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/issledovateli-nawli-otkrytye-bez-vhoda-dannye-v-tysyachah-prilozhen</guid>
      <description><![CDATA[<p>Crissy Field проверила 159 041 проект Lovable: на 7 403 сайтах без логина читались таблицы с email. Как устроен доступ к Supabase и как проверить свой проект.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/issledovateli-nawli-otkrytye-bez-vhoda-dannye-v-tysyachah-prilozhen">Исследователи нашли открытые без входа данные в тысячах приложений Lovable</a>»</p>]]></description>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Базы данных]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 08:35:02 GMT</pubDate>
      <content:encoded><![CDATA[<p>Гамбургская компания по безопасности приложений Crissy Field проверила 159 041 проект, собранный на ИИ-конструкторе Lovable, и нашла тысячи сайтов, которые без входа отдают записи из базы, в том числе с личными данными клиентов. Исследование сделано вместе с немецкой деловой газетой Handelsblatt, <a href="https://www.crissyfield.de/research/lovable-en/">английская версия отчёта</a> опубликована на сайте Crissy Field.</p><p>Если вы собирали приложение в Lovable, Bolt, v0 или похожем конструкторе и подключали к нему Supabase, это повод проверить права доступа к таблицам до того, как туда попадут реальные клиенты. Ключ, через который браузер ходит в базу, публичный по замыслу Supabase. Что из базы можно прочитать, решают правила доступа на стороне базы, а не скрытость адреса или ключа.</p><p>Сама Lovable считает проблему отраслевой: так её позиция передана в подзаголовке <a href="https://www.handelsblatt.com/technik/ki/lovable-experten-finden-datenluecke-bei-beliebter-ki-coding-plattform/100264923.html">статьи Handelsblatt</a>, которая вышла 3 ноября 2026 года.</p><ul><li>Crissy Field нашла 159 041 проект Lovable в архиве Common Crawl за декабрь 2025 — сентябрь 2026 года, 34 545 из них работают с Supabase.</li><li>24 664 сайта отдают записи из Supabase сразу при загрузке страницы, без входа.</li><li>Дополнительными запросами только на чтение исследователи нашли записи с email в 10 560 таблицах на 7 403 сайтах, это 30% от 24 664.</li><li>Сами авторы предупреждают: 30% не доля подтверждённых утечек, а выборка не представляет все приложения Lovable.</li><li>Lovable называет проблему отраслевой; условия сервиса и документация возлагают безопасность приложения на клиента.</li></ul><h2>Что именно нашли исследователи?</h2><p>Коротко: в части приложений на Lovable без логина читались базы с именами, email, телефонами, платёжной информацией и даже паспортными данными. Исследователи искали сайты на Lovable в наборах данных открытого веб-архива <a href="https://commoncrawl.org/">Common Crawl</a> и сосредоточились на базе данных Supabase. По их оценке, это самый распространённый у проектов Lovable облачный сервис для баз данных, а его подключение легко анализировать.</p><p>Проверка шла в два шага. Сначала смотрели, какие данные сайт сам передаёт в браузер при первой загрузке. Так делали 24 664 сайта из 34 545 с Supabase. Авторы отдельно оговаривают, что само по себе это не проблема: часть данных может быть предназначена для публичного показа, например каталог товаров или расписание. Затем с тем же API-ключом, который сайт уже отдал браузеру, исследователи делали дополнительные запросы только на чтение и смотрели, какие ещё таблицы открываются.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/5b4ce72a-7600-44ae-ad1b-92158cc1e35b.webp" alt="Схема методики: поиск приложений Lovable в Common Crawl, наблюдение за доступом к таблицам Supabase, расширение доступа по найденной информации" /><figcaption>Три шага методики: найти приложения Lovable в Common Crawl, посмотреть, к каким таблицам Supabase обращается приложение, и проверить, что ещё доступно с той же информацией. Схема: Crissy Field</figcaption></figure><p>Как признак персональных данных авторы взяли email-адреса. Записи с email нашлись в 10 560 таблицах на 7 403 сайтах. Конкретные пути доступа к найденным базам Crissy Field не публикует, чтобы не облегчать повторный доступ. Числа в примерах ниже относятся только к тем записям, которые исследователи фактически скачали; по их словам, наборы данных могут быть больше.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/7fec1bd9-5378-429c-b0ef-8417641bbfb2.webp" alt="Горизонтальная диаграмма: 159 041 проект Lovable, 34 545 с Supabase, 24 664 отдают записи при загрузке, 7 403 с таблицами, где есть email" /><figcaption>Воронка исследования: от всех найденных проектов Lovable до сайтов, где нашлись таблицы с email. Источник данных: Crissy Field по данным Common Crawl, декабрь 2025 — сентябрь 2026 года; график Tproger</figcaption></figure><p>Среди примеров, которые приводит отчёт:</p><ul><li>немецкий лайфстайл-форум: больше 80 000 профилей с полными именами, email, датами рождения и полом, а также больше 200 000 сообщений из чатов;</li><li>несколько организаторов мероприятий и ресторанов: десятки тысяч записей о продажах билетов и еды с email, телефонами, почтовыми адресами, платёжной информацией и кодами билетов;</li><li>управляющая компания в сфере недвижимости: сгенерированные ИИ пересказы внутренних писем с данными о жильцах, собственниках и партнёрах;</li><li>поставщик услуг: больше 1 000 записей с данными документов, включая номера паспортов, сроки действия и гражданство;</li><li>десятки тысяч договоров и счетов, личные фотоальбомы и внутренняя переписка в WhatsApp;</li><li>подписки на рассылки, листы ожидания, обращения в поддержку, а в одном случае 280 000 писем, отправленных клиентам компании.</li></ul><p>Такие данные, по словам авторов, годятся для фишинга, мошенничества с билетами и кражи личности. Использовал ли их кто-то на практике, установить не удалось.</p><h2>Почему 30% не означает, что утекла треть приложений?</h2><p>Потому что так оговаривают сами авторы. Email в таблице не всегда персональные данные: это может быть публичный адрес для связи или тестовая запись. И наоборот, записи с персональными данными без email в подсчёт не попали. Эти эффекты частично компенсируют друг друга, но насколько, исследователи установить не смогли.</p><p>Доля 30% считается только от 24 664 сайтов, которые сами отдавали данные при загрузке, а не от всех 159 041 проекта. Выборка из Common Crawl тоже не репрезентативна для всех приложений Lovable: в архив попадают только сайты, которые нашёл его краулер. Кроме того, в отчёте сказано, что он содержит более свежий анализ и обновлённые цифры по сравнению со статьёй Handelsblatt, поэтому числа в газете и в отчёте могут не совпадать.</p><p>Ещё одна граница исследования: смотрели только Supabase. Встроенные базы Lovable, которые платформа предлагает с конца 2025 года, по словам авторов, пока используются реже; похожие ошибки настройки там возможны, но не проверялись.</p><h2>Что ответила Lovable?</h2><p>Развёрнутого ответа компании в отчёте Crissy Field нет: там сказано только, что Handelsblatt направил Lovable результаты исследования. Статья Handelsblatt (автор Лина Кнес) закрыта платной подпиской. В её открытой части сказано, что редакция получила сигнал о проблеме в середине августа, проверила его и обратилась к Lovable. По оценке газеты, злоумышленники могли получать доступ к таким данным как минимум год, а проблема выходит за пределы одного сервиса. В подзаголовке приведена позиция компании: проблема касается всей отрасли. По данным самой Lovable, которые приводит газета, на платформе собрано больше 50 млн проектов, каждую неделю добавляется 1,2 млн.</p><p>Отдельного заявления по этому исследованию в блоге Lovable мы не нашли. Позиция компании о распределении ответственности описана в документации. На <a href="https://docs.lovable.dev/features/security">странице о безопасности</a> Lovable пишет, что пользователь отвечает за то, чтобы приложение соответствовало требованиям безопасности для своего сценария, а встроенные проверки «не могут гарантировать полную безопасность» (перевод редакции). Crissy Field обращает внимание на разрыв: маркетинг Lovable повторяет, что для создания приложений не нужны технические знания, а условия использования возлагают ответственность за приложения и обработку данных на клиента.</p><p>Спор этот не новый. В 2025 году Lovable уже оспаривала уязвимость <a href="https://www.cve.org/CVERecord?id=CVE-2025-48757">CVE-2025-48757</a>: в её описании говорится о недостаточных политиках Row Level Security в сгенерированных Lovable сайтах до 15 апреля 2025 года, а пометка поставщика гласит, что за защиту данных отвечает каждый клиент платформы. Новое исследование Crissy Field не называет конкретную причину открытого доступа, поэтому связывать его с той уязвимостью напрямую нельзя.</p><p>О том, почему сгенерированный код чаще оставляет такие дыры, мы писали в разборе «<a href="https://tproger.ru/articles/vajb-koding-kak-mechta-hakera-kakie-uyazvimosti-plodit-kod-sgene">Вайб-кодинг как мечта хакера</a>», а похожую историю с публичной базой уязвимых приложений — в новости «<a href="https://tproger.ru/news/haker-sobral-publichnuyu-bazu--navajbkozhennyh--prilozhenij-s-sotnyami-uyazvimostej">Хакер собрал публичную базу „навайбкоженных“ приложений</a>».</p><h2>Как приложение на Supabase обращается к базе из браузера?</h2><p>Напрямую, по HTTP, с публичным ключом. Судя по методике отчёта, изученные приложения на Lovable обращаются к Supabase прямо из браузера. Для этого у Supabase есть Data API: каждая таблица в открытой схеме (по умолчанию public) доступна как REST-эндпоинт. Чтобы браузер мог это делать, в код фронтенда кладётся URL проекта и публичный ключ. <a href="https://supabase.com/docs/guides/getting-started/api-keys">Документация Supabase</a> называет publishable-ключ (sb_publishable_...) безопасным для размещения на веб-странице и в исходном коде: его может прочитать любой, поэтому он получает доступ только к тому, что разрешает Row Level Security. Старый ключ anon — предыдущая версия того же типа ключа; Supabase объявила, что anon и service_role устаревают к концу 2026 года.</p><p>Row Level Security (RLS) — механизм PostgreSQL, который проверяет каждую строку таблицы по правилам-политикам. Запрос с publishable-ключом без вошедшего пользователя выполняется от роли anon, после входа — от роли authenticated. <a href="https://supabase.com/docs/guides/database/postgres/row-level-security">Документация Supabase по RLS</a> требует включать его на каждой таблице в открытой схеме: таблица без RLS в такой схеме доступна на чтение и запись любой роли, у которой есть на неё права. Если RLS включён, а политик нет, через API с publishable-ключом данные не читаются вовсе.</p><p>Отсюда типовой механизм таких утечек, который хорошо известен по прошлым случаям: таблица создана без RLS или с политикой, пропускающей всех (например, using (true) для роли anon), а публичный ключ и URL проекта лежат в коде страницы. Тогда любой, кто открыл сайт, может запросить таблицу целиком. Подчеркнём: в отчёте Crissy Field причина открытого доступа не названа, это описание того, как такое обычно происходит в Supabase.</p><p>Секретный ключ (sb_secret_..., раньше service_role) работает в обход RLS, если в запросе нет токена пользователя, поэтому Supabase запрещает класть его в браузер, в собранное приложение и в систему контроля версий. В браузере такой ключ Supabase отклоняет с ошибкой 401.</p><h2>Как проверить своё приложение на Lovable и Supabase?</h2><p>Проверяйте только свой проект. Минимальный набор шагов:</p><ol><li>Откройте своё приложение в приватном окне без входа, в DevTools на вкладке Network отфильтруйте запросы по supabase.co и посмотрите, какие таблицы и поля приходят анонимному посетителю. Всё, что вы видите там, видит любой посетитель.</li><li>В панели Supabase откройте <a href="https://supabase.com/docs/guides/observability/advisors">Security Advisor</a>. Предупреждение 0013_rls_disabled_in_public означает таблицу в открытой схеме без RLS; отдельная проверка помечает такие таблицы, если в них есть колонки с похожими на чувствительные данные названиями.</li><li>Выполните в SQL-редакторе запросы ниже: первый покажет таблицы схемы public без RLS, второй — все политики, среди которых стоит искать открытые для роли anon.</li><li>Для каждой таблицы с личными данными решите, кто должен её читать, и напишите политику, привязанную к пользователю, например через auth.uid().</li><li>Проверьте, какие ключи попали в собранный фронтенд. Новый секретный ключ виден по префиксу sb_secret_. Старые ключи anon и service_role — это JWT, и роль записана внутри токена, поэтому поиск по строке service_role её не найдёт: декодируйте среднюю часть токена (base64) и посмотрите поле role. Если в браузер попал секретный ключ или service_role, его нужно перевыпустить и унести на сервер.</li><li>В Lovable запустите Deep scan из раздела Security. Quick scan, по <a href="https://docs.lovable.dev/features/security">документации</a>, проверяет при каждой публикации таблицы без RLS и правила, пропускающие всех, а Deep scan дополнительно ищет места, где пользователь может видеть или менять чужие данные.</li></ol><p>Включение RLS без политик закроет таблицу для publishable-ключа: если данные пропали из интерфейса, допишите политики, а не выключайте RLS. Crissy Field добавляет, что автоматические проверки не заменяют профессиональный аудит прав доступа до работы с реальными данными клиентов и после заметных изменений.</p><h2>Что дальше?</h2><p>Исследование показывает не ошибку одного сайта, а повторяющийся шаблон: у приложений, собранных одним конструктором, похожее подключение к базе, поэтому, как пишут авторы, приём, сработавший против одного приложения, можно без особых усилий повторить на других. Похожие вопросы касаются и других платформ, которые собирают приложение вместе с базой и публикуют его в один клик; так, недавно публикацию веб-приложений с базой и входом добавил <a href="https://tproger.ru/news/cursor-nauchil-agenta-publikovat-veb-prilozheniya-s-bazoj-i-vhodom">Cursor</a>.</p><p>Отдельного ответа на исследование в продукте Lovable не анонсировала. В <a href="https://docs.lovable.dev/changelog">журнале изменений</a> за 12 ноября 2026 года появилось требование просмотреть нерешённые критичные замечания безопасности перед публикацией и кнопка исправления замечаний из чата проекта. Это касается проектов на встроенном бэкенде Lovable, а не внешнего Supabase, и связь с исследованием компания не заявляет.</p><p>Supabase объявила об устаревании старых ключей anon и service_role к концу 2026 года, при этом старые ключи продолжают работать, пока владелец проекта сам их не отключит. Переход на новые ключи — удобный момент заодно проверить RLS на всех таблицах.</p><p>Источники: <a href="https://www.crissyfield.de/research/lovable-en/">Crissy Field: Lovable: Many Apps Built on the Platform Expose Sensitive Data</a>, <a href="https://www.handelsblatt.com/technik/ki/lovable-experten-finden-datenluecke-bei-beliebter-ki-coding-plattform/100264923.html">Handelsblatt: Hat die beliebte KI-Coding-Plattform ein Sicherheitsproblem?</a>, <a href="https://supabase.com/docs/guides/getting-started/api-keys">Supabase: API keys</a>, <a href="https://supabase.com/docs/guides/database/postgres/row-level-security">Supabase: Row Level Security</a>, <a href="https://docs.lovable.dev/features/security">Lovable: Security overview</a></p><p>Изображение на обложке: Crissy Field</p>]]></content:encoded>
    </item>
    <item>
      <title>Codex CLI 0.169.0 отключил конфиг и MCP чужих репозиториев в codex exec</title>
      <link>https://tproger.ru/news/codex-cli-0-169-0-otklyuchil-konfig-i-mcp-chuzhih-repozitoriev-v-cod</link>
      <comments>https://tproger.ru/news/codex-cli-0-169-0-otklyuchil-konfig-i-mcp-chuzhih-repozitoriev-v-cod?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/codex-cli-0-169-0-otklyuchil-konfig-i-mcp-chuzhih-repozitoriev-v-cod</guid>
      <description><![CDATA[<p>MCP-серверы из .codex/config.toml в codex exec теперь запускаются только с флагом --trust. Что поменять в CI и зачем OpenAI выпустила хотфикс-альфы для Bedrock.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/codex-cli-0-169-0-otklyuchil-konfig-i-mcp-chuzhih-repozitoriev-v-cod">Codex CLI 0.169.0 отключил конфиг и MCP чужих репозиториев в codex exec</a>»</p>]]></description>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Инструменты командной строки]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[OpenAI]]></category>
      <category><![CDATA[CI/CD]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 08:28:19 GMT</pubDate>
      <content:encoded><![CDATA[<p>13 ноября 2026 года OpenAI выпустила <a href="https://github.com/openai/codex/releases/tag/rust-v0.169.0">Codex CLI 0.169.0</a>, и в нём поменялось поведение, на которое опираются CI-пайплайны: codex exec больше не загружает конфигурацию проекта и его MCP-серверы в каталоге без доверия, даже если агент запущен с --sandbox workspace-write. Чтобы вернуть прежнее поведение для своего репозитория, нужен новый флаг --trust, он появился у codex exec и codex review.</p><p>Для программиста это значит две вещи. Если пайплайн подключал MCP-серверы или настройки из .codex/config.toml в репозитории, после обновления они молча отключатся: запуск продолжится, в stderr будет только предупреждение. И наоборот, если агент в CI проверяет чужие pull request, атакующий больше не сможет положить в репозиторий свой конфиг с MCP-сервером и выполнить команду на раннере. Ниже разбираем механизм, что поменять в CI и откуда за неделю взялся 21 альфа-релиз с версиями вроде 0.167.0-alpha.4.3.</p><ul><li>Codex CLI 0.169.0 (13 ноября): в недоверенном каталоге codex exec не читает .codex/config.toml проекта и не запускает его MCP-серверы, даже с --sandbox workspace-write.</li><li>Флаг --trust у codex exec и codex review сохраняет доверие к проекту в пользовательском конфиге навсегда, в том числе при --ephemeral; с --ignore-user-config он не сочетается.</li><li>Пропуск проектного конфига сам по себе не завершает запуск ошибкой: Codex выведет предупреждение и продолжит работу без него, а без нужных MCP-инструментов агент может сделать задачу хуже.</li><li>С 10 по 17 ноября (по UTC) в openai/codex вышел 21 альфа-релиз; четыре из пяти «четырёхзначных» хотфикс-тегов переносят инкрементальные объявления инструментов для Vertex AI и Amazon Bedrock.</li><li>Для Vertex AI эта функция включена по умолчанию в стабильной 0.167.2, для Bedrock на 17 ноября по умолчанию она включена только в альфах.</li></ul><h2>Что именно изменилось в codex exec?</h2><p>Короткий ответ: доверие к проекту теперь даётся только явно. В заметках к релизу это сформулировано так: codex exec оставляет конфигурацию проекта и MCP-серверы отключёнными в недоверенных каталогах, даже с --sandbox workspace-write, а --trust явно сохраняет доверие. Изменение пришло из <a href="https://github.com/openai/codex/pull/60041">PR #60041</a> «Require explicit project trust in non-interactive runs», его влили в основную ветку 7 ноября.</p><p>Немного терминологии. Конфигурация проекта в Codex — это файл .codex/config.toml в репозитории: в нём можно задать настройки агента и описать MCP-серверы, то есть внешние процессы, которые дают модели дополнительные инструменты (доступ к базе, трекеру, браузеру). В интерактивном режиме Codex спрашивает, доверяете ли вы каталогу, и только после согласия читает этот файл. В неинтерактивном codex exec спросить некого.</p><p>По описанию PR и диффу, раньше встроенный сервер, который поднимает codex exec, мог неявно получить доверие к рабочему каталогу, если песочница разрешала запись. Теперь рабочий каталог передаётся как значение по умолчанию, которое доверия не даёт. В тестах PR это записано прямо: тот же MCP-сервер из проектного конфига «требует явного согласия даже при доступе на запись».</p><p>Когда проектный конфиг пропущен, Codex пишет в stderr такое предупреждение:</p><p>Как ведёт себя --trust, по описанию флага и коду PR:</p><ul><li>сохраняет доверие к проекту для текущего и всех будущих чатов: запись попадает в пользовательский config.toml в каталоге Codex, а не в репозиторий;</li><li>запись сохраняется даже с --ephemeral, хотя сама сессия на диск не пишется;</li><li>не перекрывает явный запрет: если проект помечен как недоверенный, команда завершится ошибкой «… is marked as untrusted. Update its trust setting first.»;</li><li>не сочетается с --ignore-user-config: Codex откажется запускаться, потому что ему нужно проверить сохранённые решения о доверии;</li><li>от песочницы не зависит: в тестах PR проектный MCP-сервер запускается и с --sandbox read-only --trust.</li></ul><h2>Почему это защита от вредоносного репозитория?</h2><p>Потому что MCP-сервер — это команда, которую Codex запускает сам, и, как сказано в описании флага, MCP-команды выполняются вне песочницы. Песочница workspace-write ограничивает команды, которые придумывает модель, но не процессы MCP-серверов из конфига.</p><p>Типичный сценарий, от которого закрывает 0.169.0, по нашей оценке, выглядит так. Пайплайн на каждый pull request делает checkout ветки и запускает codex exec --sandbox workspace-write "проверь изменения". Автор PR из форка добавляет в репозиторий проектный конфиг с «сервером», который на самом деле скачивает и запускает скрипт:</p><p>До 0.169.0 такой процесс мог стартовать на раннере вне песочницы, с доступом к сети и файлам задачи, например к рабочей копии и учётным данным, которые в ней оставил checkout. Секреты из переменных окружения MCP-серверу автоматически не передаются, их пробрасывают явно через env_vars, но этот список задаёт тот же конфиг. Модели даже не нужно поддаваться на prompt injection, достаточно того, что Codex прочитал конфиг. Похожие атаки через файлы в репозитории уже находили в других агентах, например <a href="https://tproger.ru/news/v-google-antigravity-nawli-dva-sposoba-poluchit-rce-prompt-inj">два способа получить RCE в Google Antigravity</a>. Теперь граница проходит по явному решению человека или пайплайна: если проекту раньше не выдали доверие, без --trust его конфиг игнорируется.</p><p>Важная оговорка: --trust работает на весь проект и на будущее. На постоянном self-hosted раннере доверие, выданное один раз для каталога сборки, останется в пользовательском конфиге и распространится на следующие задачи в том же пути, включая те, что собирают чужой код. На одноразовых раннерах (контейнер на задачу, GitHub-hosted runners) такой проблемы нет: конфиг исчезает вместе с машиной.</p><h2>Что сделать в CI после обновления до 0.169.0?</h2><p>Сначала проверьте, использовал ли пайплайн проектный конфиг. Если в логах после обновления появилась строка Untrusted project-local configuration is disabled, значит, MCP-серверы и настройки из .codex/config.toml больше не подхватываются, а сам запуск ошибкой не завершается. Дальше варианты:</p><ol><li>Задачи, которые работают только с вашим кодом (push в основную ветку, ночные прогоны), можно запускать с codex exec --trust или codex review --trust.</li><li>Задачи, которые собирают pull request из форков, лучше оставить без --trust. Нужные MCP-серверы опишите в пользовательском config.toml, который пайплайн создаёт сам до запуска агента: в тестах PR сервер из пользовательского конфига запускается без всякого доверия к проекту.</li><li>На постоянных раннерах не смешивайте задачи с --trust и задачи с недоверенным кодом в одном рабочем каталоге либо очищайте каталог настроек Codex между задачами.</li><li>Если вы запускаете Codex с --ignore-user-config, флаг --trust к нему не добавить: выбирайте одно из двух.</li></ol><p>Если пайплайн не использует .codex/config.toml в репозитории, обновление для него ничего не меняет.</p><h2>Зачем OpenAI выпускает альфы с четырьмя цифрами в версии?</h2><p>С 10 по 17 ноября по UTC в репозитории openai/codex вышел 21 альфа-релиз (подсчёт редакции по GitHub API) и четыре стабильных: 0.167.1, 0.167.2, 0.168.0 и 0.169.0. Среди альф выделяются теги с четырьмя компонентами: 0.167.0-alpha.4.1, 4.2 и 4.3, 0.169.0-alpha.11.1 и 0.170.0-alpha.4.1. У всех пустые заметки к релизу, поэтому мы сравнили каждый тег с предыдущим через GitHub.</p><p>Что внутри хотфикс-тегов openai/codex</p><table><thead><tr><th>Тег</th><th>Что добавлено поверх базовой альфы</th></tr></thead><tbody><tr><td>0.167.0-alpha.4.1</td><td>Опциональные инкрементальные инструменты (#59832) и их ограничение провайдерами Amazon Bedrock (#60040)</td></tr><tr><td>0.167.0-alpha.4.2</td><td>Исправление кавычек в путях cmd.exe в песочнице Windows (#60624)</td></tr><tr><td>0.167.0-alpha.4.3</td><td>Инкрементальные объявления инструментов для Google Cloud (#60617) и их включение по умолчанию (#60848)</td></tr><tr><td>0.169.0-alpha.11.1</td><td>Включение по умолчанию для Google Cloud (#60848)</td></tr><tr><td>0.170.0-alpha.4.1</td><td>Включение по умолчанию для Amazon Bedrock (#61426)</td></tr></tbody></table><p>Источник: сравнение тегов в GitHub-репозитории openai/codex; расчёт Tproger</p><p>Смысл таких сборок объясняет <a href="https://github.com/openai/codex/pull/60456">PR #60456</a> «[Hotfix] Backport legacy incremental tools to 0.167.0-alpha.3.2»: перенести изменения на ту версию CLI, которая встроена в десктоп-приложение Codex, чтобы десктоп мог включать инкрементальные объявления инструментов для сессий через Bedrock. Сам этот PR на 17 ноября открыт и не влит, а тег 0.167.0-alpha.3.2 от 5 ноября содержит другое исправление, про правила exec policy. Тот же перенос на ветку alpha.4 оформлен в виде тега 0.167.0-alpha.4.1.</p><p>Что такое инкрементальные объявления инструментов. Обычно Codex перечисляет все доступные модели инструменты в поле tools каждого запроса. С функцией incremental_tools_legacy объявления уходят отдельными элементами additional_tools во входных данных, а при изменении набора инструментов новые объявления дописываются без переписывания истории (так описано в <a href="https://github.com/openai/codex/pull/60617">PR #60617</a>). По нашей оценке, это нужно, чтобы подключение MCP-сервера посреди сессии не меняло начало запроса и не сбрасывало кэш промптов у провайдера.</p><p>Для Google Cloud Vertex AI функция включена по умолчанию с <a href="https://github.com/openai/codex/releases/tag/rust-v0.167.2">0.167.2</a> от 12 ноября (<a href="https://github.com/openai/codex/pull/60848">PR #60848</a>), отключается строкой incremental_tools_legacy_gcp = false в разделе [features]. По сравнению тегов, этот коммит есть и в 0.169.0, хотя в её заметках он не упомянут. Для Amazon Bedrock сама функция как опция есть в стабильной 0.169.0 (PR #59832 и #60040), а включение по умолчанию (<a href="https://github.com/openai/codex/pull/61426">PR #61426</a>) влили 14 ноября, и на 17 ноября оно есть только в альфах, начиная с 0.170.0-alpha.4.1 и веток 0.171.0; отключение — incremental_tools_legacy = false. Тех, кто входит в Codex через аккаунт ChatGPT или ключ OpenAI, это не касается.</p><h2>Что ещё вошло в Codex CLI 0.169.0?</h2><p>Остальное в релизе — функции интерфейса, большинство включается вручную:</p><ul><li>в опциональном терминальном workspace теперь несколько вкладок с боковыми чатами, переключение клавиатурой или мышью, сохранённые чаты открываются после перезапуска Codex;</li><li>в командном центре агентов появился поиск старых задач по имени, началу промпта и рабочему каталогу;</li><li>опция Collapse turn details в полноэкранной ленте сворачивает выполненные действия под каждым промптом, ответы остаются видны, вывод инструментов ищется;</li><li>кастомных провайдеров моделей можно добавлять и править прямо из терминала, а для поддерживаемых шлюзов вход работает по device code, в том числе по SSH и без локального браузера;</li><li>Ctrl+S в редакторе отчёта об ошибке сохраняет диагностический ZIP локально, даже если отправка отключена;</li><li>исправлены кавычки путей cmd.exe и рабочий каталог PowerShell в песочнице Windows, а встроенный SQLite обновлён до 3.54 ради исправлений журнала WAL.</li></ul><p>Выбор провайдера по умолчанию в TUI и боковые разговоры появились ещё в 0.168.0, которую мы разбирали в обзоре <a href="https://tproger.ru/news/claude-code-poluchil-code-mode-a-codex-nauchilsya-vybirat-provajd">«Claude Code получил Code Mode, а Codex научился выбирать провайдера в TUI»</a>. Предыдущее изменение безопасности MCP в Codex, подтверждение MCP-запросов через Touch ID, вышло в <a href="https://tproger.ru/news/codex-cli-0-155-0-poluchil-golosovye-dialogi-i-podtverzhdenie-mcp">Codex CLI 0.155.0</a>.</p><p>Следующий стабильный релиз, судя по тегам, будет 0.170.0 или 0.171.0, и вместе с ним инкрементальные инструменты по умолчанию дойдут до пользователей Bedrock. Если ваш CI ходит в Codex через Bedrock, после этого обновления стоит проверить расход токенов и поведение длинных сессий с подключаемыми MCP-серверами.</p><p>Источники: <a href="https://github.com/openai/codex/releases/tag/rust-v0.169.0">openai/codex: релиз rust-v0.169.0</a>, <a href="https://github.com/openai/codex/pull/60041">openai/codex PR #60041: Require explicit project trust in non-interactive runs</a>, <a href="https://github.com/openai/codex/pull/60456">openai/codex PR #60456: [Hotfix] Backport legacy incremental tools to 0.167.0-alpha.3.2</a>, <a href="https://github.com/openai/codex/pull/60617">openai/codex PR #60617: Support incremental tool declarations on GCP</a>, <a href="https://github.com/openai/codex/pull/60848">openai/codex PR #60848: Enable incremental tool declarations by default for GCP</a>, <a href="https://github.com/openai/codex/pull/61426">openai/codex PR #61426: Enable incremental tools by default for Amazon Bedrock</a>, <a href="https://github.com/openai/codex/releases/tag/rust-v0.167.2">openai/codex: релиз rust-v0.167.2</a>, <a href="https://github.com/openai/codex/releases">openai/codex: список релизов</a></p><p>Изображение на обложке: OpenAI, репозиторий openai/codex (Apache-2.0)</p>]]></content:encoded>
    </item>
    <item>
      <title>OpenCode выпустила Browse: ИИ-агент работает в браузере с вашими логинами</title>
      <link>https://tproger.ru/news/opencode-vypustila-browse-ii-agent-rabotaet-v-brauzere-s-vawimi</link>
      <comments>https://tproger.ru/news/opencode-vypustila-browse-ii-agent-rabotaet-v-brauzere-s-vawimi?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/opencode-vypustila-browse-ii-agent-rabotaet-v-brauzere-s-vawimi</guid>
      <description><![CDATA[<p>MCP-сервер Browse даёт агенту вкладки, клики, скриншоты и трафик, но readOnly в 0.1.0 пропускал select, fill и upload. Разбираем инструменты и риски.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/opencode-vypustila-browse-ii-agent-rabotaet-v-brauzere-s-vawimi">OpenCode выпустила Browse: ИИ-агент работает в браузере с вашими логинами</a>»</p>]]></description>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Информационная безопасность]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 08:24:15 GMT</pubDate>
      <content:encoded><![CDATA[<p>Команда Anomaly, которая делает открытого ИИ-агента для программирования OpenCode, 16 ноября <a href="https://github.com/anomalyco/browse/releases/tag/v0.1.0">выпустила Browse 0.1.0</a> — MCP-сервер и расширение для Chromium-браузеров, через которые агент работает в вашем настоящем браузере: с открытыми вкладками, сессиями сайтов, где вы уже вошли, и установленными расширениями. Подключить его можно к OpenCode, Claude Code, Codex, Cursor, Zed и любому другому MCP-клиенту, код открыт под лицензией MIT.</p><p>Для разработчика это значит, что агент может сам открыть локальный стенд или админку, где вы залогинены, прочитать страницу, покликать по форме, снять скриншот и сетевой трафик, а на шаге входа, 2FA или оплаты вернуть вкладку вам. Обратная сторона та же: агент действует от вашего имени во всех сервисах, куда вы вошли, а текст любой открытой страницы может попытаться им управлять. Ниже разбираем, какие инструменты получает агент, как устроено подключение и что в проекте сделано против этих рисков.</p><ul><li>Browse 0.1.0 вышел 16 ноября: один нативный бинарник на Rust (CLI, relay и MCP-сервер) плюс расширение из Chrome Web Store; Node.js и Playwright внутри больше не нужны.</li><li>OpenCode получает 26 отдельных инструментов (navigate, snapshot, click, fill, screenshot, network, recording и другие), остальные MCP-клиенты получают execute, status и tabs: execute запускает JavaScript с Playwright-подобным page.</li><li>Работает в Chrome, Edge, Brave, Arc, Helium, Vivaldi, Opera и Chromium; browse install умеет прописать сервер в конфиги 32 агентов, вы выбираете нужных.</li><li>Защита: токен relay, сопряжение браузера через одноразовый код и ECDH, запреты на опасные команды CDP, ограничение cookie хостами вкладки. Разработчики прямо пишут, что allowedOrigins и readOnly — ограждения, а не граница данных.</li><li>После релиза в основной ветке закрыли дыру: в 0.1.0 select, fill для выпадающих списков и upload срабатывали на вкладках readOnly. Исправление в релиз пока не вошло.</li></ul><h2>Что умеет агент с Browse и чем это отличается от отдельного браузера?</h2><p>Агент получает доступ к браузеру, которым вы пользуетесь каждый день, а не к чистому профилю. По описанию на <a href="https://opencode.ai/product/browse">странице продукта</a>, агенты «используют сайты, в которые вы уже вошли, без ключей и настройки» (перевод редакции). Вкладки агента открываются в фоне в окне, которым вы пользовались последним, собираются в отдельную группу и сворачиваются, пока вы в неё не смотрите. Переключить вас на свою вкладку или вывести окно на передний план агент не может.</p><p>Работа строится вокруг вкладки. Инструмент navigate без указания вкладки открывает новую фоновую вкладку и возвращает её id, все остальные вызовы передают этот id. Вкладки, которых никто не трогал 10 минут, закрываются сами (никогда во время работы), срок меняется в настройках: 10, 30, 60 минут или никогда.</p><p>Свою вкладку можно «одолжить» агенту: нажать кнопку расширения на панели, значок покажет ON, повторное нажатие забирает вкладку обратно. Пока агент работает, на значке RUN, когда ему нужен человек — WAIT. Служебная плашка браузера об отладке с кнопкой «Отмена» отключает Browse сразу от всех вкладок.</p><p>Передача вкладки человеку (handoff) выглядит как небольшая карточка на странице с адресом сайта. Вы вводите пароль, код 2FA или подтверждаете оплату и нажимаете Continue на карточке или на кнопке расширения. Если на странице капча, Cloudflare-проверка или «access denied», Browse сообщает об этом агенту и предлагает отдать такую вкладку вам; сам проверки он, по словам разработчиков, никогда не решает.</p><h2>Какие инструменты получает агент?</h2><p>Набор зависит от клиента. OpenCode, который собирает вызовы в код в режиме code mode, получает «плоские» инструменты. Все остальные MCP-клиенты получают три: execute, status и tabs, причём execute может вызвать любой из плоских инструментов из кода. Решение relay принимает по имени клиента из рукопожатия MCP: в <a href="https://github.com/anomalyco/browse/blob/v0.1.0/rust/crates/browse-relay/src/surface.rs">коде</a> плоский набор достаётся клиенту, в имени которого есть «opencode». Переменная OPENCODE_BROWSER_TOOLS=plain|execute|all меняет это для всех клиентов.</p><p>Инструменты Browse 0.1.0</p><table><thead><tr><th>Инструмент</th><th>Что делает</th></tr></thead><tbody><tr><td>navigate</td><td>Открывает страницу; без tab — в новой фоновой вкладке и возвращает её id</td></tr><tr><td>snapshot</td><td>Компактная структура страницы со ссылками вида e12 для других инструментов, включая iframe</td></tr><tr><td>click, fill, type, press, select, hover, drag, scroll</td><td>Действия по ссылке, селектору или координатам с «человеческим» вводом</td></tr><tr><td>wait_for, dialog, upload, eval</td><td>Ожидание текста, URL или элемента; ответы на диалоги; загрузка файлов; JavaScript в странице</td></tr><tr><td>screenshot, screenshot_diff</td><td>Снимок окна, всей страницы, элемента или области; сравнение с эталоном</td></tr><tr><td>network, console</td><td>Трафик вкладки с вымаранными учётными данными; сообщения и ошибки консоли</td></tr><tr><td>recording</td><td>Запись вкладки в видеофайл</td></tr><tr><td>emulate, webmcp</td><td>Размер окна, цветовая схема, user agent, геолокация; инструменты, которые страница отдаёт через WebMCP</td></tr><tr><td>tabs</td><td>Список, открытие и закрытие вкладок, в том числе целой группой</td></tr><tr><td>handoff, demonstrate</td><td>Попросить человека сделать шаг; попросить показать сценарий и записать его шаги</td></tr><tr><td>settings, status</td><td>Чтение и смена настроек по вашей просьбе; состояние relay, браузеров и сопряжения</td></tr><tr><td>execute</td><td>Для клиентов кроме OpenCode: JavaScript с Playwright-подобным page, snapshot(), ref(), handoff() и browse.&lt;инструмент&gt;()</td></tr></tbody></table><p>Источник: <a href="https://github.com/anomalyco/browse#tools">README Browse</a></p><p>Всё то же доступно из командной строки, это удобно, чтобы проверить работу без агента:</p><h2>Как Browse подключается к агенту и браузеру?</h2><p>Цепочка из трёх звеньев. Агент запускает browse mcp — маленький stdio-прокси. Тот при необходимости поднимает relay и пересылает ему вызовы на 127.0.0.1:19988 (если порт занят, на первый свободный из 19990–19997). Расширение подключается к relay по WebSocket и выполняет команды в браузере через chrome.debugger, то есть по протоколу Chrome DevTools.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/cb8eab48-4abc-4294-9065-f74936eeb412.webp" alt="Схема Browse: компьютер агента, коробка relay и компьютер с браузером, соединённые кабелями; подпись MCP stdio, 127.0.0.1:19988, extension" /><figcaption>Агент, relay и браузер. Изображение: Anomaly, README Browse</figcaption></figure><p>Relay хранит вкладки агентов, передачи вкладок, записи и сетевые захваты, а скрипты execute выполняет во встроенном движке QuickJS. В <a href="https://github.com/anomalyco/browse/blob/v0.1.0/rust/crates/browse-script/src/engine.rs">коде 0.1.0</a> у скрипта лимит памяти 64 МБ и тайм-аут по умолчанию 60 секунд. В версии 0.1.0 проект переписали на Rust: по заявлению разработчиков, это один бинарник размером в несколько мегабайт, а relay в простое занимает несколько мегабайт памяти вместо сотен.</p><p>Установка: поставить расширение из Chrome Web Store, оно проведёт по шагам, либо запустить установщик CLI. Команда browse install ставит бинарник (установщик и npx кладут его в ~/.local/bin, глобальную установку через npm или bun оставляют пакетному менеджеру), добавляет MCP-сервер в конфиги выбранных агентов (в README перечислены 32 поддерживаемых клиента, от OpenCode и Claude Code до Gemini CLI, Kimi Code CLI и Qwen Code) и сопрягает расширение. Для клиента, которого нет в списке, достаточно записи:</p><p>Агент и браузер могут жить на разных машинах: browse install --remote открывает relay наружу. Разработчики предупреждают, что Browse это соединение не шифрует, и советуют сеть вроде Tailscale или WireGuard, а не открытый интернет.</p><h2>Чем рискует пользователь, который пускает агента в свой браузер?</h2><p>Разработчики формулируют модель угроз прямо в <a href="https://github.com/anomalyco/browse#security">разделе Security</a>: Browse управляет браузером, в котором вы залогинены, поэтому исходит из того, что прочитанное агентом (веб-страница, письмо) может попытаться им управлять, а другие программы на компьютере — воспользоваться relay. Это prompt injection: инструкция, спрятанная в тексте страницы, попадает в контекст модели наравне с вашей задачей. С расширением у агента в руках все ваши сессии: почта, GitHub, облачная консоль, банк.</p><p>Против посторонних программ на компьютере в проекте сделано вот что:</p><ul><li><b>Токен relay.</b> Каждый запрос к relay требует токен из файла ~/.local/share/browse/relay-token, доступного только владельцу. Relay слушает только 127.0.0.1 и отклоняет межсайтовые запросы и чужие заголовки Host.</li><li><b>Сопряжение.</b> Код действует один раз и 10 минут, пять неверных попыток подряд аннулируют все ожидающие коды. Браузер обменивает код на собственный случайный ключ через ECDH, ни код, ни ключ по соединению не передаются. При каждом подключении обе стороны доказывают владение ключом, поэтому программа, первой занявшая порт, браузером управлять не сможет. Relay принимает только опубликованные ID расширения.</li><li><b>Песочница execute.</b> Скрипты выполняются в QuickJS с лимитами процессора, памяти и времени, без Node, сети и файлов вне разрешённых каталогов. Relay стартует с урезанным окружением, поэтому ваших API-ключей в нём нет. При этом сами разработчики называют песочницу «не границей»: код, который запускает агент, нужно считать кодом, запущенным от вашего имени.</li></ul><p>Против агента, который «увели» со страницы, защиты скромнее, и README честно это проговаривает:</p><ul><li><b>Запреты на уровне CDP.</b> Очистка cookie, кеша и данных сайтов, закрытие браузера и смена разрешений сайтов отклоняются. По умолчанию доступ к cookie и хранилищу ограничен хостами страниц самой вкладки, а агент не может открыть внутренние страницы браузера, другие расширения и локальные файлы. Эти запреты снимаются переменными окружения вроде OPENCODE_BROWSER_ALLOW_ALL_COOKIES=1 и OPENCODE_BROWSER_ALLOW_FILE_URLS=1.</li><li><b>Ваши вкладки остаются вашими.</b> Агент работает только во вкладках, которые открыл сам или которые вы одолжили. Передачу вкладки завершает только настоящий клик по карточке или кнопке, подделать его страница не может.</li><li><b>allowedOrigins и readOnly.</b> Вкладку можно открыть со списком разрешённых сайтов или только для чтения. В документации, обновлённой после релиза, уточнено: allowedOrigins ограничивает переходы и новые вкладки, но не запросы, которые делает сама страница (fetch, XHR, картинки, скрипты, iframe). На readOnly-вкладке eval и webmcp по-прежнему выполняют JavaScript в странице: читают всё, что видит страница, отправляют запросы от её имени и могут кликнуть или отправить форму. Вывод разработчиков: это защита от блуждания агента, а страницы, которые агенту читать нельзя, в Browse просто не открывать.</li><li><b>Маскировка вывода частичная.</b> fill скрывает значения только для полей пароля и одноразового кода. Сетевой захват вымарывает учётные данные по имени и виду (заголовки авторизации и API-ключей, cookie, поля с «secret» в имени), поэтому значение под обычным именем может пройти. Результаты eval, консоль, текст страницы и скриншоты отдаются как есть.</li><li><b>Инструменты WebMCP приходят от страницы.</b> Их имена, описания и пометки вроде readOnly Browse не проверяет, агенту предлагается относиться к ним как к обычному тексту страницы.</li></ul><p>В истории коммитов есть ещё две детали, важные именно для 0.1.0. Через несколько часов после релиза в основную ветку <a href="https://github.com/anomalyco/browse/commit/1ef9276">вошло исправление</a>: readOnly держался только на списке разрешённых команд CDP, а select, fill для выпадающих списков и полей дат и upload работали через JavaScript в странице и поэтому срабатывали на вкладке «только для чтения». Второй коммит закрыл случай, когда вкладка во время переподключения выглядела доступной для записи. В релиз эти исправления на момент публикации не попали. Там же <a href="https://github.com/anomalyco/browse/commit/2451ab8">убрали изоляцию вкладок между агентами</a>, которую обещали заметки к 0.1.0: теперь вкладки адресуются по id между MCP-подключениями, и README говорит, что агенты используют полученные id и не трогают чужие вкладки, если их не просят.</p><p>Отдельно стоит режим «тихой работы». Browse не включает домены CDP, которые страница может заметить, выполняет свой код в изолированных мирах и двигает мышь по кривым с паузами при наборе. Разработчики пишут, что так агента трудно заметить, но не невозможно: браузер всё равно показывает плашку «запущена отладка». Расширение просит доступ ко всем сайтам и разрешения debugger, tabs, tabGroups, scripting и ещё несколько, а обновления CLI по умолчанию ставятся автоматически: relay проверяет новую версию при старте и затем раз в час.</p><h2>Чем Browse отличается от Playwright MCP и Claude in Chrome?</h2><p><a href="https://github.com/microsoft/playwright-mcp">Playwright MCP</a> от Microsoft (Apache-2.0) по умолчанию запускает отдельный браузер с собственным постоянным профилем или изолированным контекстом. Подключиться к уже открытому Chrome или Edge с вашими логинами он тоже умеет — через флаг --extension и расширение Playwright; для этого режима есть флаги --background, чтобы не активировать вкладки, и --no-tab-group, то есть фоновые вкладки в группе не уникальная черта Browse. Разница в упаковке: у Browse передача вкладки человеку с кнопкой Continue, одолженные вкладки, запись экрана и сетевого трафика встроены в один инструмент, а для клиентов кроме OpenCode всё сведено в один execute.</p><p><a href="https://code.claude.com/docs/en/chrome">Claude in Chrome</a> в связке с Claude Code тоже работает в вашем браузере с вашими логинами и останавливается на странице входа или капче, чтобы вы прошли её сами. Но он требует прямой подписки Anthropic (Pro, Max, Ultra, Team или Enterprise) и входа через /login, по документации не работает в WSL, а доступ к сайтам регулируется разрешениями расширения и запросами Claude Code перед действиями (в режиме auto классификатор может одобрить вызов без отдельной проверки сайта). Browse бесплатен, не привязан к одному вендору моделей и подключается к любому MCP-клиенту, но пошагового подтверждения действий по сайтам в его README нет: ограничения вроде allowedOrigins задаются при открытии вкладки.</p><h2>Что делать, если хочется попробовать?</h2><ul><li>Ставить из официальных источников: расширение из Chrome Web Store со <a href="https://opencode.ai/product/browse">страницы продукта</a>, CLI через npx @opencode/browse install или установщик. Для релиза опубликованы SHA256SUMS и аттестации сборки, их можно проверить командой gh attestation verify, как указано в заметках к релизу.</li><li>По нашей оценке, разумно завести для агента отдельный профиль браузера, где вы залогинены только в нужные для задачи сервисы: почта, банк и рабочие консоли в основном профиле так не попадут в зону действия агента. Браузер выбирается параметром browser при открытии вкладки, если подключено несколько.</li><li>На readOnly в 0.1.0 не полагаться: исправление для select, fill и upload есть только в основной ветке. Для задач на чтение надёжнее давать агенту вкладки сайтов, где нечего сломать.</li><li>Если автообновление бинарника нежелательно, включить режим уведомлений: browse update --mode notify или переменная OPENCODE_BROWSER_AUTO_UPDATE=notify.</li><li>Снять всё: browse uninstall убирает сервер из конфигов агентов, останавливает relay и удаляет файлы Browse; пакет, поставленный глобально через npm или bun, удаляется командой пакетного менеджера, которую uninstall напечатает, а расширение — из браузера вручную.</li></ul><p>Как устроены похожие инструменты, мы разбирали в материале <a href="https://tproger.ru/articles/kak-dat-ii-agentu-nastoyashhij-brauzer-s-browser-use-1-0-v-2026-go">про browser-use 1.0</a>, а насколько реальна prompt injection в агентных средах — в новости <a href="https://tproger.ru/news/v-google-antigravity-nawli-dva-sposoba-poluchit-rce-prompt-inj">о двух способах получить RCE в Google Antigravity</a>. Если вы только знакомитесь с OpenCode, начните с <a href="https://tproger.ru/articles/vajb-koding-v-terminale-nastraivaem-opencode-s-claude-gpt-i-ge">разбора его настройки</a>.</p><h2>Что дальше?</h2><p>Проект молодой: репозиторий создан 27 октября, с 4 ноября вышло 12 релизов, на момент публикации у него около 790 звёзд на GitHub. Pull request разработчики не принимают: баги и идеи предлагают описывать в issue, а «наши агенты обычно быстро с ними разбираются» (перевод редакции). Главное, за чем стоит следить, — выйдет ли следующий релиз с исправлением readOnly и как в нём будет устроено разделение вкладок между агентами после отказа от изоляции.</p><p>Источники: <a href="https://github.com/anomalyco/browse/releases/tag/v0.1.0">Anomaly: Browse 0.1.0 на GitHub (релиз)</a>, <a href="https://github.com/anomalyco/browse">Репозиторий anomalyco/browse, README и раздел Security</a>, <a href="https://opencode.ai/product/browse">OpenCode: страница продукта Browse</a>, <a href="https://github.com/microsoft/playwright-mcp">Playwright MCP, README</a>, <a href="https://code.claude.com/docs/en/chrome">Claude Code: Use Claude Code with Chrome</a></p><p>Изображение на обложке: Anomaly, страница Browse на opencode.ai</p>]]></content:encoded>
    </item>
    <item>
      <title>Исследователь нашёл в Windows 11 сбор данных о ваших ИИ-агентах для кода</title>
      <link>https://tproger.ru/news/issledovatel-nawyol-v-windows-11-sbor-dannyh-o-vawih-ii-agentah</link>
      <comments>https://tproger.ru/news/issledovatel-nawyol-v-windows-11-sbor-dannyh-o-vawih-ii-agentah?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/issledovatel-nawyol-v-windows-11-sbor-dannyh-o-vawih-ii-agentah</guid>
      <description><![CDATA[<p>Реверс MissionControlAggregator.dll: Windows 11 отмечает запуск Codex, Claude, Copilot, Cursor и Antigravity и шлёт это в необязательной телеметрии.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/issledovatel-nawyol-v-windows-11-sbor-dannyh-o-vawih-ii-agentah">Исследователь нашёл в Windows 11 сбор данных о ваших ИИ-агентах для кода</a>»</p>]]></description>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Microsoft]]></category>
      <category><![CDATA[Информационная безопасность]]></category>
      <category><![CDATA[Windows 11]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Tue, 17 Nov 2026 08:22:10 GMT</pubDate>
      <content:encoded><![CDATA[<p>Компонент диагностики Windows 11 отмечает, какие ИИ-агенты для программирования запускались на компьютере: Codex, Claude, Copilot, Cursor, Antigravity и ещё несколько. Это показал исследователь-реверсер Xusheng Li, который <a href="https://xusheng.dev/posts/windows-coding-agent-telemetry/">16 ноября 2026 года разобрал библиотеку MissionControlAggregator.dll</a>. Если в системе разрешены необязательные диагностические данные, отчёт об агентах встаёт в очередь на отправку в Microsoft.</p><p>Для разработчика это значит, что сам факт работы с конкретным агентом и группами инструментов вроде Python, Node.js, .NET или GCC может уходить в телеметрию вместе с остальной «необязательной» диагностикой. Промптов и исходного кода автор в изученном отчёте не обнаружил: передаётся битовая карта «этот инструмент встречался за последние примерно сутки». Отключается это одним переключателем в параметрах, ниже разбираем, где он и как проверить свою машину.</p><ul><li>В MissionControlAggregator.dll есть 4 слота для консольных агентов (copilot, claude, codex, agy) и 5 для настольных приложений (github, claude, codex, cursor, antigravity); функция называется CLICodingAgentUsage, ID 62580080.</li><li>Отдельно отмечаются инструменты разработки: node, python, dotnet, gcc, clang, gdb, javac, devenv (Visual Studio), code (VS Code) и другие, всего 12 категорий.</li><li>Отчёт Segments.SubCohorts помечен как необязательные диагностические данные; при чистой установке Windows 11 Home в регионе США этот режим был включён по умолчанию.</li><li>На виртуальной машине автора функция работала как серверный эксперимент, а в базовом образе с публичного ISO была выключена, так что включена она не на каждом компьютере.</li><li>Комментария Microsoft к находке на момент публикации нет; выключить отправку можно в «Параметры» &gt; «Конфиденциальность и защита» &gt; «Диагностика и отзывы».</li></ul><h2>Что именно нашли в системной библиотеке</h2><p>Автор искал недокументированные функции в свежих бинарниках Windows с помощью ИИ-ассистента и наткнулся на список имён исполняемых файлов внутри MissionControlAggregator.dll. Дальше он открыл библиотеку в дизассемблере Binary Ninja и проследил, где эти строки используются. Оказалось, что это не мёртвый код: имена участвуют в сравнениях, по результатам которых компонент заполняет слоты в своём состоянии.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-17/6aa8ad45-4e97-4505-907c-988d61847c5c.webp" alt="Строки copilot.exe, claude.exe, codex.exe, agy.exe, github.exe, cursor.exe и antigravity.exe в секции данных MissionControlAggregator.dll" /><figcaption>Имена агентов в секции данных библиотеки, открытой в Binary Ninja. Скриншот: Xusheng Li, xusheng.dev</figcaption></figure><p>Слотов для консольных агентов 4: copilot.exe, claude.exe, codex.exe и agy.exe (консольный клиент Google Antigravity). Для маршрута через WSL те же имена проверяются без расширения .exe. Слотов для настольных приложений 5: github.exe, claude.exe, codex.exe, cursor.exe и antigravity.exe. Проверки агентов закрыты функцией с говорящим названием CLICodingAgentUsage, её идентификатор 62580080.</p><p>Список не ограничен ИИ. Компонент ищет node.exe, python.exe, dotnet.exe, gcc.exe, clang.exe, gdb.exe, javac.exe, devenv.exe, code.exe и другие и раскладывает их по 12 широким категориям инструментов разработки. Для части слотов дополнительно проверяется издатель: от Node.js ожидается подпись Node.js Foundation, от Python — Python Software Foundation, от .NET и Visual Studio — Microsoft Corporation. У группы компиляторов и отладчиков с GCC и Clang такой проверки нет.</p><h2>Откуда Windows узнаёт, что вы запустили агента</h2><p>Сам компонент процессы не сканирует. Он подписывается на события, которые Windows и так собирает через ETW (Event Tracing for Windows, встроенный механизм трассировки событий). Для обычных программ это KernelProcess.AppStateChangeSummary и Win32kTraceLogging.AppInteractivitySummary, для WSL — события Microsoft.Windows.Lxss.Manager.Exec и ExecCritical с полем imageName. Поэтому обычный codex.exe в Windows попадает в проверки через сводку состояний приложений, а не только через WSL.</p><p>Когда имя совпадает, в состоянии агрегатора выставляется слот. Состояние сохраняется на диск в папку C:\ProgramData\Microsoft\Diagnosis\AggregatorStorage\MissionControlAggregator$. Примерно раз в сутки функция ReportCohorts&lt;12,4,5&gt; превращает слоты в битовые маски и отправляет событие Segments.SubCohorts: 12 категорий инструментов, 4 консольных агента, 5 настольных. Каждому агенту соответствует свой бит, а не строка с именем.</p><p>Исходные события содержат больше: время работы, время в фокусе, счётчики взаимодействия, потребление ресурсов. По наблюдению автора, компонент эти детали отбрасывает и оставляет только факт «встречался в окне отчёта»; метки времени в отчёте описывают окно сбора, а не то, сколько вы пользовались агентом. При этом автор подчёркивает, что и сам список используемых агентов и инструментов чувствителен с точки зрения приватности.</p><h2>Как проверили, что это работает на обычной машине</h2><p>Исследователь взял виртуальную машину Windows 11 ARM64 в Parallels, сборка 26200.9974, версия библиотеки 10.0.26100.9818. Функция CLICodingAgentUsage на ней уже была включена как серверный эксперимент, вручную автор её не включал. Служба DiagTrack (Connected User Experiences and Telemetry) работала с автозапуском и порождала процесс AggregatorHost.exe, в который и загружена библиотека. Это видно стандартными командами PowerShell:</p><p>Затем автор скопировал cmd.exe в файл с именем codex.exe и запустил его в интерактивной сессии. Одного имени хватило: в сохранённом состоянии агрегатора появилось значение 2 в слоте Codex. Чтобы не ждать суточной границы, он сдвинул начало окна отчёта на 25 часов назад и перезапустил DiagTrack. Пришло событие с полем CliAgentSubCohorts: 4, то есть 1 &lt;&lt; 2, бит Codex. Тот же опыт с копией cmd.exe под именем gcc.exe выставил бит 3 в категории компиляторов и отладчиков, общей для GCC, Clang и родственных инструментов.</p><p>Важная оговорка автора: в базовой виртуальной машине, развёрнутой с публичного ISO, функция агентов была выключена значением образа по умолчанию. Значит, утверждать, что она активна на каждой установке Windows 11, нельзя; Microsoft может включать её выборочно через эксперименты, и сколько машин её уже получили, неизвестно.</p><h2>Уходят ли эти данные в Microsoft</h2><p>Само по себе событие ETW может остаться на компьютере, поэтому автор проверил, кто его слушает. Сессия Diagtrack-Listener была подписана и на исходные события KernelProcess, и на провайдер Microsoft.Windows.MissionControlAggregator. Затем он разобрал базу очереди отправки DiagTrack (EventStore.db) и нашёл там событие Segments.SubCohorts с отметкой "isRequired": false. Это значит, что отчёт относится к необязательным диагностическим данным и ставится в очередь, только если они разрешены.</p><p>Дальше главный вопрос — разрешены ли они по умолчанию. Автор поставил Windows 11 Home ARM64 начисто с последнего официального ISO с регионом «США». На экране выбора параметров конфиденциальности переключатель Diagnostic data уже стоял в положении Include Optional, а после установки с настройками по умолчанию значение AllowTelemetry было 3, то есть «необязательные данные включены». Для других регионов значение по умолчанию автор не проверял. В <a href="https://learn.microsoft.com/en-us/windows/privacy/configure-windows-diagnostic-data-in-your-organization">документации для организаций</a> Microsoft называет значением по умолчанию для Windows 10 версии 1903 и новее обязательные данные (Required); как это сочетается с включённым переключателем в мастере установки Home, документация не объясняет.</p><p>Сам факт сбора сведений о программах Microsoft не скрывает: в описании необязательных данных прямо сказано про «активность приложений, например какие программы запускаются на устройстве». Новость в том, что для ИИ-агентов и инструментов разработки заведён отдельный именной список, а пользователь об этом узнаёт из реверса, а не из документации. Комментария Microsoft к исследованию на момент публикации нет. В <a href="https://news.ycombinator.com/item?id=50524736">обсуждении на Hacker News</a> часть разработчиков сочла находку ожидаемой для режима с необязательной телеметрией, другие спрашивали, видно ли событие в штатном просмотрщике диагностики; ответа на этот вопрос в исследовании нет.</p><h2>Как проверить и выключить отправку</h2><p>Самый простой путь работает во всех редакциях, включая Home. Он описан в <a href="https://support.microsoft.com/en-us/windows/privacy/diagnostics-feedback-and-privacy-in-windows">справке Microsoft о диагностике и конфиденциальности</a>:</p><ol><li>Откройте «Параметры» &gt; «Конфиденциальность и защита» &gt; «Диагностика и отзывы».</li><li>В разделе «Диагностические данные» выключите отправку необязательных данных (в английской версии переключатель Send optional diagnostic data), останутся только обязательные (Required).</li><li>Там же кнопкой «Удалить» можно попросить Microsoft удалить диагностические данные, уже собранные с этого устройства; по справке Microsoft, это не удаляет данные, привязанные к учётной записи Microsoft, и не останавливает будущую отправку.</li><li>Если хотите видеть, что уходит, включите просмотр диагностических данных и откройте Diagnostic Data Viewer; он показывает события только в реальном времени, пока запущен.</li></ol><p>На Pro, Enterprise и Education уровень диагностики можно закрепить групповой политикой: Computer Configuration &gt; Administrative Templates &gt; Windows Components &gt; Data Collection and Preview Builds &gt; Allow Diagnostic Data, значение Send required diagnostic data. Политика пишет параметр AllowTelemetry в ключ HKLM\Software\Policies\Microsoft\Windows\DataCollection: 1 — только обязательные данные, 3 — с необязательными, 0 (диагностика выключена) поддерживается только в Enterprise, Education и серверных редакциях. Это описано в <a href="https://learn.microsoft.com/en-us/windows/client-management/mdm/policy-csp-system">справочнике Policy CSP</a>; там же сказано, что значение 1 отключает переключатель необязательных данных в «Параметрах», то есть пользователь не включит их обратно.</p><p>Проверить, загружен ли компонент у вас, можно командой tasklist /m MissionControlAggregator.dll в консоли администратора. Загруженная библиотека ещё не значит, что включена именно функция с агентами: на чистой установке она была выключена образом по умолчанию. Решает отправку не наличие библиотеки, а режим необязательных данных.</p><h2>Зачем Microsoft это знать и что дальше</h2><p>Публичного объяснения у компании нет, поэтому дальше — оценка редакции. Microsoft сейчас активно перестраивает Windows под разработчиков с ИИ-агентами: в этом году она <a href="https://tproger.ru/news/microsoft-pokazala-project-zenith-windows-11-dlya-razrabotchikov">показала Project Zenith</a> — Windows 11 с предустановленными инструментами для разработки. Данные о том, какие агенты реально запускают на Windows, нужны для приоритетов таких проектов; одновременно это картина долей рынка конкурентов Copilot — Claude, Codex, Cursor и Antigravity. Похожие цифры индустрия обычно получает из опросов, например <a href="https://tproger.ru/translations/kakie-ii-instrumenty-dlya-kodinga-realno-ispolzuyut-na-rabote">исследования JetBrains на 10 000 разработчиков</a>, а здесь источник — сама операционная система.</p><p>Для команд, где на рабочих машинах крутятся агенты с доступом к коду, история встаёт в один ряд с другими утечками метаданных из инструментов разработки, вроде случая, когда <a href="https://tproger.ru/news/claude-code-razdaval-sajtam-email-akkaunta-v-user-agent-chto-de">Claude Code передавал сайтам email аккаунта в User-Agent</a>. Практический вывод простой: если политика компании запрещает отправку сведений об используемом ПО, уровень диагностики стоит закрепить политикой AllowTelemetry, а не полагаться на выбор при установке. Следить стоит за двумя сигналами: появится ли CLICodingAgentUsage в документации Microsoft о необязательных данных и прокомментирует ли компания исследование.</p><p>Источники: <a href="https://xusheng.dev/posts/windows-coding-agent-telemetry/">Xusheng Li: Windows 11 Is Collecting Data on Which Coding Agents and Developer Tools You Use</a>, <a href="https://support.microsoft.com/en-us/windows/privacy/diagnostics-feedback-and-privacy-in-windows">Microsoft Support: Diagnostics, feedback, and privacy in Windows</a>, <a href="https://learn.microsoft.com/en-us/windows/privacy/configure-windows-diagnostic-data-in-your-organization">Microsoft Learn: Configure Windows diagnostic data in your organization</a>, <a href="https://learn.microsoft.com/en-us/windows/client-management/mdm/policy-csp-system">Microsoft Learn: System Policy CSP, AllowTelemetry</a>, <a href="https://news.ycombinator.com/item?id=50524736">Hacker News: обсуждение исследования</a></p><p>Изображение на обложке: Скриншот: Xusheng Li, xusheng.dev</p>]]></content:encoded>
    </item>
    <item>
      <title>ИИ экономит время в офисе, но зарплату поднял лишь 5% его пользователей</title>
      <link>https://tproger.ru/news/ii-ekonomit-vremya-ofisnym-sotrudnikam-no-zarplatu-podnyal-5-pol</link>
      <comments>https://tproger.ru/news/ii-ekonomit-vremya-ofisnym-sotrudnikam-no-zarplatu-podnyal-5-pol?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/ii-ekonomit-vremya-ofisnym-sotrudnikam-no-zarplatu-podnyal-5-pol</guid>
      <description><![CDATA[<p>SuperJob опросил 1600 офисных сотрудников: ИИ используют 64%, время на типовые задачи сократилось у 64% пользователей, а зарплата не изменилась у 77%.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/ii-ekonomit-vremya-ofisnym-sotrudnikam-no-zarplatu-podnyal-5-pol">ИИ экономит время в офисе, но зарплату поднял лишь 5% его пользователей</a>»</p>]]></description>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Карьера]]></category>
      <category><![CDATA[Россия]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 15:44:18 GMT</pubDate>
      <content:encoded><![CDATA[<p>Инструменты на основе ИИ используют в работе 64% российских офисных сотрудников, и большинству из них это экономит время, но почти никому не прибавило денег. Такие результаты 13 ноября <a href="https://www.superjob.ru/research/articles/116056/ii-ekonomit-rabochee-vremya/">опубликовал</a> исследовательский центр сервиса по поиску работы SuperJob. Среди тех, кто работает с ИИ, время на типовые задачи сократилось у 64%, а зарплата после освоения инструментов выросла у 5% и у стольких же снизилась.</p><p>Опрос охватывает офисных сотрудников в целом, без выделения разработчиков, но картина знакома любой команде, где появились ИИ-ассистенты: выигрыш во времени есть, а кому он достаётся, зависит от того, как устроены сроки, нагрузка и оплата. Цифры SuperJob полезны как довод в разговоре о компенсации подписок и обучения.</p><ul><li>ИИ в работе используют 64% из 1600 опрошенных офисных сотрудников; среди тех, кто моложе 35 лет, таких 79%.</li><li>У 64% пользователей ИИ сократилось время на типовые задачи, но общая нагрузка уменьшилась только у 29%, а у 10% выросла.</li><li>Зарплата не изменилась у 77% пользователей ИИ, выросла у 5%, снизилась у 5%; 13% затруднились ответить.</li><li>Работодатель полностью оплатил обучение работе с ИИ 4% пользователей; 25% учились за свой счёт, 23% на бесплатных курсах.</li><li>Средняя оценка доверия к ИИ: 3,3 балла из 5; «тройку» поставили 54%.</li></ul><h2>Кого и как опрашивали?</h2><p>В опросе участвовали 1600 трудоустроенных офисных сотрудников из 364 населённых пунктов во всех округах России; опрос прошёл с 19 октября по 6 ноября 2026 года. Вопросы о времени, нагрузке, зарплате, обучении и доверии задавали только тем, кто использует ИИ в работе. Если пересчитать, это 64% выборки, то есть около 1000 человек; все дальнейшие проценты считаются только от этой группы.</p><p>У данных есть естественные ограничения. Это самооценка: респонденты сами судят, сколько времени экономят, и никто этого не замерял. SuperJob не раскрывает на странице исследования способ отбора респондентов, профессии участников и то, какие именно инструменты считались «инструментами на основе ИИ». Выводы о разработчиках из этих цифр напрямую не следуют.</p><h2>Кто пользуется ИИ чаще?</h2><p>Активнее всего ИИ используют молодые и хорошо оплачиваемые сотрудники. Среди мужчин доля пользователей выше, чем среди женщин, а среди обладателей вузовских дипломов — чуть выше, чем среди выпускников колледжей. Самый большой разрыв между возрастными группами: 79% среди тех, кто моложе 35 лет, против 53% в группе 45 лет и старше.</p><p>Доля офисных сотрудников, использующих ИИ в работе</p><table><thead><tr><th>Группа</th><th>Используют ИИ</th></tr></thead><tbody><tr><td>Все опрошенные</td><td>64%</td></tr><tr><td>Мужчины</td><td>69%</td></tr><tr><td>Женщины</td><td>58%</td></tr><tr><td>До 35 лет</td><td>79%</td></tr><tr><td>35–44 года</td><td>65%</td></tr><tr><td>45 лет и старше</td><td>53%</td></tr><tr><td>Высшее образование</td><td>61%</td></tr><tr><td>Среднее профессиональное</td><td>55%</td></tr><tr><td>Зарплата до 100 тыс. рублей</td><td>53%</td></tr><tr><td>Зарплата 100–150 тыс. рублей</td><td>63%</td></tr><tr><td>Зарплата от 150 тыс. рублей</td><td>70%</td></tr></tbody></table><p>Связь с доходом SuperJob формулирует так: «Чем больше человек зарабатывает, тем чаще он работает с ИИ». Опрос показывает только совпадение, а направление связи из него не видно: высокооплачиваемые специалисты могут чаще работать с задачами, где ИИ применим, и им может быть проще позволить себе платные инструменты.</p><h2>Куда уходит сэкономленное время?</h2><p>У большинства сэкономленное время не превращается ни в меньшую нагрузку, ни в больший доход. На типовые задачи стало уходить меньше времени у 64% пользователей ИИ, у 20% ничего не изменилось, а у 4% затраты времени даже выросли. Последние объясняют это так: «За ИИ нужно все проверять».</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/44494a6d-fb6d-4f2f-99ff-310e22e7ea0a.webp" alt="Столбчатая диаграмма. Время на типовые задачи: уменьшилось у 64%, не изменилось у 20%, увеличилось у 4%. Рабочая нагрузка: 29%, 43% и 10%. Зарплата: 5%, 77% и 5%" /><figcaption>Ответы офисных сотрудников, использующих ИИ в работе; остальные затруднились ответить. График: Tproger по данным опроса SuperJob (19 октября – 6 ноября 2026 года)</figcaption></figure><p>С нагрузкой картина уже другая: она уменьшилась у 29%, не изменилась у 43% и выросла у 10%. Комментарий из последней группы: «Сократили сроки и увеличили количество задач». Ещё 18% затруднились ответить.</p><p>Зарплата не изменилась у 77%. Рост отметили 5%, и столько же сообщили о снижении дохода. Причины снижения в комментариях две. Первая: «ИИ оплачиваю за свой счёт, так что можно сказать, что зарплата сократилась». Вторая, судя по реплике, связана с оплатой по проектам: «Считается, что времени на проект трачу меньше».</p><p>Арифметика получается такая: из каждых 100 сотрудников, работающих с ИИ, 64 экономят время, 29 разгрузились, а прибавку получили 5. По нашей оценке, выгода от ускорения чаще остаётся у работодателя или превращается в дополнительные задачи.</p><h2>Кто платит за обучение и насколько ИИ доверяют?</h2><p>Учатся в основном сами. За последние 2 года работе с новыми технологиями учились 53% пользователей ИИ: 25% за свой счёт, 23% на бесплатных курсах. Работодатель полностью оплатил обучение 4%, ещё 1% разделили расходы с компанией. Не учились вовсе 47%.</p><p>Доверие к инструментам сдержанное. По пятибалльной шкале, где 1 значит «совсем не доверяю», а 5 — «полностью доверяю», средняя оценка составила 3,3. Нейтральную «тройку» поставили 54%, высокие оценки (4 и 5) поставили 35%, низкие (1 и 2) — 9%. Полностью доверяют ИИ 6% пользователей.</p><h2>Как это соотносится с данными о разработчиках?</h2><p>В индустрии разработки проникновение ИИ выше, но с измерением отдачи те же трудности. По опросу JetBrains <a href="https://blog.jetbrains.com/research/2026/11/state-of-developer-ecosystem-2026/">State of Developer Ecosystem 2026</a> (28 945 разработчиков из 198 стран и регионов, май–июль 2026 года), больше половины работающих разработчиков используют ИИ-агентов более чем в 60% рабочих задач. Это исследование с иной выборкой и методикой, поэтому напрямую сравнивать проценты с SuperJob нельзя.</p><p>Показательна часть про руководителей. Чистый выигрыш во времени считают информативным 39% технических менеджеров, но отслеживают его только 28%; расход токенов отслеживают в организациях 51% технических менеджеров. То есть об измерении той самой экономии времени, о которой говорят сотрудники в опросе SuperJob, сообщило меньше трети опрошенных менеджеров. По нашей оценке, пока её не измеряют, трудно ожидать, что она отразится в зарплате.</p><h2>Что с этим делать разработчику?</h2><p>По нашей оценке, из опроса следуют три практических шага.</p><ol><li>Замеряйте свою экономию сами: какие задачи и насколько ускорились с ИИ. На ревью зарплаты цифра по вашим задачам убедительнее общего «я использую ИИ».</li><li>Если платите за подписки и токены из своего кармана, поднимите вопрос о компенсации. Опрос показывает, что часть сотрудников воспринимает такие расходы как снижение дохода. Сократить счёт помогает выбор подходящей модели; об этом наш разбор того, <a href="https://tproger.ru/articles/anthropic-obyasnila-kakuyu-model-claude-i-kakoj-effort-stavit">какую модель Claude и какой effort ставить на задачу</a>.</li><li>Закладывайте время на проверку. Реплика «за ИИ нужно все проверять» описывает реальную статью расходов; как её сократить, мы разбирали в материале о том, <a href="https://tproger.ru/articles/kak-proverit-kod-kotoryj-napisal-ii">как проверить код, который написал ИИ</a>.</li></ol><p>Опрос фиксирует состояние на осень 2026 года и не отвечает на главный вопрос: изменится ли распределение выгоды, когда работодатели начнут считать экономию времени. Данных о динамике по сравнению с прошлыми годами в исследовании SuperJob нет, так что судить, сдвигается ли баланс, пока не по чему.</p><p>Источники: <a href="https://www.superjob.ru/research/articles/116056/ii-ekonomit-rabochee-vremya/">SuperJob: ИИ экономит рабочее время, но не влияет на зарплату</a>, <a href="https://blog.jetbrains.com/research/2026/11/state-of-developer-ecosystem-2026/">JetBrains: The State of Developer Ecosystem 2026</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Число успешных кибератак на российские организации выросло на 40% за год</title>
      <link>https://tproger.ru/news/chislo-uspewnyh-kiberatak-na-rossijskie-organizacii-vyroslo-na-40</link>
      <comments>https://tproger.ru/news/chislo-uspewnyh-kiberatak-na-rossijskie-organizacii-vyroslo-na-40?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/chislo-uspewnyh-kiberatak-na-rossijskie-organizacii-vyroslo-na-40</guid>
      <description><![CDATA[<p>Positive Technologies насчитала 605 успешных атак за год против 433. Трояны удалённого управления вытесняют шифровальщики, растут атаки через подрядчиков.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/chislo-uspewnyh-kiberatak-na-rossijskie-organizacii-vyroslo-na-40">Число успешных кибератак на российские организации выросло на 40% за год</a>»</p>]]></description>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Россия]]></category>
      <category><![CDATA[Кибербезопасность]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 15:43:13 GMT</pubDate>
      <content:encoded><![CDATA[<p>Positive Technologies 16 ноября опубликовала исследование <a href="https://ptsecurity.com/research/analytics/russia-cyberthreat-landscape-2027/">PT Vector 2027</a>: с октября 2025 года по сентябрь 2026 года компания насчитала 605 успешных кибератак на российские организации против 433 за предыдущие 12 месяцев — рост на 40%. Атакующие всё реже шифруют данные сразу и всё чаще надолго закрепляются в сети с помощью троянов удалённого управления, а в инфраструктуру заходят через украденные учётные записи, подрядчиков и отечественное ПО.</p><p>Для разработчиков в отчёте есть отдельный неприятный вывод. ИТ-компании хранят пароли, ключи и доступы к сетям заказчиков, поэтому взлом одного подрядчика открывает дорогу сразу ко многим клиентам. У таких компаний уносят исходный код и дампы Git, в которых потом ищут уязвимости и забытые токены. Это оценки одного вендора средств защиты по собственной базе инцидентов, но они хорошо показывают, что проверить в своих репозиториях и CI/CD.</p><ul><li>605 успешных атак на российские организации за 12 месяцев против 433 годом ранее; прогноз Positive Technologies на календарный 2027 год: плюс 30–40% к 2026 году.</li><li>Среди атак с вредоносным ПО доля троянов удалённого управления выросла с 52% до 62%, доля шифровальщиков упала с 35% до 24%.</li><li>Доля атак с украденными учётными данными выросла с 9% до 13%, а с использованием легального ПО — с 8% до 11%.</li><li>Число атак, в которых ресурсы уже взломанной компании использовали для дальнейших атак, выросло в три раза.</li><li>На ИТ-компании пришлось 6% атак; в 67% случаев у них похищали конфиденциальную информацию, включая исходный код.</li></ul><h2>Как считали и почему 605 атак нельзя читать как «все атаки»?</h2><p>В отчёт попали только успешные атаки — инциденты с негативными последствиями для организации. За период с 1 октября 2025 года по 30 сентября 2026 года исследователи проанализировали 605 таких атак и 709 объявлений на теневых площадках; атаки на частных лиц не учитывались. Данные собрали из расследований и проектов самой Positive Technologies, анализа теневых форумов и открытых сообщений.</p><p>У метода есть три оговорки, которые авторы называют сами. Во-первых, большинство атак, по их оценке, не предаётся огласке, поэтому точное число инцидентов подсчитать невозможно. Во-вторых, массовая фишинговая рассылка на множество адресатов считается за одну атаку — как и волна однотипных атак одной группировки на конкретную отрасль. Наконец, доли методов сравниваются с прошлогодним исследованием CODE RED 2026, где период наблюдения был другим: с 1 июля 2024 года по 26 сентября 2025 года. Иначе говоря, число 605 показывает нижнюю границу и динамику, а полного масштаба никто не знает.</p><p>По данным компании, на Россию пришлось 73% успешных атак на организации в странах СНГ и 14–15% в мире, а в каждом квартале инцидентов было больше, чем в соответствующем квартале годом ранее. Причины роста авторы видят в расширении цифровой инфраструктуры, в рынке готовых киберпреступных услуг и в геополитической напряжённости.</p><h2>Чем атакуют: что изменилось за год?</h2><p>Главные инструменты прежние, но их доля снижается. Вредоносное ПО использовали в 67% успешных атак (годом ранее — в 71%), социальную инженерию — в 56% (было 60%), эксплуатацию уязвимостей — в 24% (было 28%). Растут более тихие приёмы: вход по украденным или подобранным учётным данным и использование легальных программ, средств удалённого управления и системных утилит, уже после проникновения.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/67990300-b635-40c0-ab05-138e7bf05da8.webp" alt="Столбчатая диаграмма: вредоносное ПО 71% и 67%, социальная инженерия 60% и 56%, эксплуатация уязвимостей 28% и 24%, компрометация учётных данных 9% и 13%, легальное ПО 8% и 11%" /><figcaption>Доля успешных атак на российские организации, в которых применялся метод; одна атака может сочетать несколько методов. График: Tproger по данным Positive Technologies (PT Vector 2027)</figcaption></figure><p>Вход по чужому логину и паролю авторы считают трудным для обнаружения: он не требует ни эксплойта, ни запуска вредоносного файла. У финансово мотивированных группировок доля таких атак выросла с 10% до 24%. Учётные данные берут из утечек, покупают на теневых площадках или подбирают перебором.</p><p>Внутри вредоносного ПО лидер укрепился. Трояны удалённого управления (RAT), которые дают контроль над заражённым узлом и позволяют красть данные и двигаться по сети, встречались в 62% таких атак против 52% годом ранее. Доля шифровальщиков снизилась с 35% до 24%. При этом вымогатели никуда не делись: финансово мотивированные группировки, по данным отчёта, провели почти столько же атак с шифровальщиками, сколько годом ранее.</p><p>Среди уязвимостей заметны старые знакомые. Чаще всего в документах-приманках встречался эксплойт для CVE-2017-11882 в редакторе формул Microsoft Office, закрытой ещё в 2017 году. На периметре атаковали Atlassian Confluence, Microsoft SharePoint, Ivanti Endpoint Manager Mobile и почтовые серверы Zimbra, не обновлявшиеся с 2024 года.</p><h2>Почему под ударом отечественное ПО и подрядчики?</h2><p>Отечественные продукты и сервисы использовались не менее чем в 4% успешных атак: через них получали первоначальный доступ, доставляли и запускали вредоносный код. Авторы объясняют риск так: в ряде классов ПО выбор российских продуктов ограничен, в одной отрасли стоят одинаковые системы, и одна уязвимость позволяет скомпрометировать сразу несколько организаций.</p><ul><li><b>ViPNet.</b> Как минимум с мая 2026 года кибершпионы атаковали крупные организации через механизм обновления: вредоносные обновления приходили от скомпрометированного управляющего узла смежной доверенной сети.</li><li><b>TrueConf.</b> Группировка PhantomCore эксплуатировала уязвимости серверов видеоконференцсвязи на периметре и подменяла клиентский дистрибутив версией с бэкдором. В разобранном инциденте атакующие скомпрометировали около 20 узлов и 25 учётных записей; причиной стала устаревшая версия сервера.</li><li><b>«1С:Предприятие».</b> Группировка Bearlyfy загружала на серверы вредоносные внешние обработки и использовала ошибки конфигурации кластера, позволявшие выполнять код без аутентификации.</li><li><b>«Битрикс».</b> Группировка GOFFEE, проникнув в инфраструктуру промышленной компании, изменила код сервисов на базе «Битрикс», чтобы скрытно собирать учётные данные пользователей.</li></ul><p>Через подрядчиков, поставщиков ПО и доверенные каналы связи начиналось около 4% успешных атак, и фактическая доля, как оговариваются авторы, может быть выше: пострадавшие не всегда раскрывают способ проникновения. У финансово мотивированных группировок эта доля выросла с 4% до 9%. Отдельная цифра показывает обратную сторону: число инцидентов, в которых ресурсы уже взломанной организации использовали для дальнейших атак, выросло в три раза. С чужих серверов раздают вредоносное ПО, а с чужой почты пишут клиентам и партнёрам, которые привыкли этому адресу доверять.</p><h2>Что отчёт говорит об ИТ-компаниях?</h2><p>ИТ-сектор опустился с третьего на четвёртое место среди самых атакуемых отраслей, уступив телекому: на него пришлось 6% успешных атак. Впереди промышленность (17%), госучреждения (10%) и телекоммуникации (9%). Число инцидентов в ИТ выросло на 18% при общем росте на 40%. Однако снижение в рейтинге не означает меньшего риска: характер последствий делает эти атаки опасными для клиентов.</p><ul><li>В 67% атак на ИТ-компании происходила утечка конфиденциальной информации. Выгружали клиентские базы, учётные данные, цифровые сертификаты и исходный код продуктов, развёрнутых у заказчиков.</li><li>В марте 2026 года группировка DC8044 опубликовала полный дамп Git одного из российских производителей систем хранения данных объёмом около 112 ГБ. По такому дампу, пишут авторы, можно искать уязвимости в коде, а в истории коммитов — оставленные пароли, ключи и токены.</li><li>В июне 2026 года группировка AuditTeam выложила выгрузку из GitLab одного из разработчиков ПО вместе с учётными данными сетевых устройств и сертификатами заказчиков.</li><li>В 13% атак на отрасль ресурсы взломанной ИТ-компании использовали для других атак. Ещё 8% инцидентов начались с партнёров и подрядчиков самих ИТ-компаний.</li><li>Доля атак, нарушивших работу ИТ-компаний, снизилась с 48% до 31%, но половина таких инцидентов затронула сервисы для клиентов; авторы сравнивают это с общемировым показателем в 25%.</li></ul><p>Авторы напоминают, чем опасна учётная запись разработчика или администратора: через неё можно попасть в репозитории и CI/CD, внедрить вредоносный код в сборки продукта или пройти в инфраструктуру заказчиков. Фишинг под это подстраивают. В июле 2026 года сотрудникам ИТ-компаний рассылали поддельное приглашение на отраслевой форум с архивом, после запуска которого вредоносное ПО создавало задачи в планировщике Windows под видом обновления Microsoft Edge и поднимало на машине SSH-сервер.</p><h2>Как злоумышленники применяют ИИ?</h2><p>По наблюдениям Positive Technologies, генеративный ИИ в атаках на российские организации используют для подготовки приманок и для разработки вредоносных инструментов: загрузчиков, бэкдоров, троянов, скриптов и вайперов. Признаки возможной генерации кода исследователи описывают буднично: избыточные комментарии на английском, типовые имена переменных вроде result, data и output, шаблонные блоки try/except, эмодзи, а в одном инфостилере нашлась строка «generated at», которая, по их словам, может указывать на использование ИИ.</p><p>Прогноз о дипфейках, сделанный годом ранее, не подтвердился: успешных атак на организации с подделкой голоса или видео компания не зафиксировала. Авторы объясняют это тем, что генеративные модели упрощают уже отработанные сценарии, а подделка конкретного руководителя требует разведки и ресурсов. На 2027 год они ждут, что ИИ начнут применять и внутри взломанной сети: для анализа инфраструктуры жертвы и планирования следующих шагов.</p><h2>Что из рекомендаций отчёта стоит сделать команде разработки?</h2><p>В отчёте есть базовый набор из шести мер для организаций с ограниченными ресурсами. Ниже — те из них и из соседних разделов, которые напрямую касаются разработки и эксплуатации.</p><ol><li>Уберите с внешнего периметра сервисы, которым не нужен доступ из интернета, а служебные сервисы откройте через VPN или обратный прокси с аутентификацией.</li><li>Включите двухфакторную аутентификацию для сервисов периметра и ключевых систем; для привилегированного доступа авторы советуют способы, устойчивые к фишингу.</li><li>Обновляйте в первую очередь системы, доступные из интернета; трендовые уязвимости закрывайте сразу, не дожидаясь планового окна.</li><li>Держите токены и ключи сервисных учётных записей в хранилище секретов и проверяйте скрипты, конфигурационные файлы и репозитории на секреты в открытом виде.</li><li>Учитывайте сервисные учётные записи и учётные записи ИИ-агентов как отдельный класс активов: назначение, владелец, срок действия, порядок ротации и отзыва.</li><li>Проверяйте подлинность и целостность дистрибутивов и обновлений перед установкой и тестируйте обновления до применения на рабочих системах.</li><li>Храните данные в трёх экземплярах на носителях двух типов, одну копию вне основной площадки и хотя бы одну офлайн или с защитой от изменения, и регулярно проводите тестовое восстановление.</li></ol><p>По нашей оценке, для небольшой команды самый дешёвый шаг из списка — четвёртый: прогнать по истории репозиториев сканер секретов и отозвать всё найденное. Истории с дампами Git показывают, что в утёкшем репозитории ищут в том числе забытые ключи и токены. Подробный разбор соседней задачи есть в нашем материале о том, <a href="https://tproger.ru/articles/kak-proverit-zavisimosti-proekta-na-uyazvimosti">как проверить зависимости проекта на уязвимости</a>, а о цене хранения всех копий у одного провайдера напоминает <a href="https://tproger.ru/news/beget-vernul-perenos-domenov-ru-i-rf-akkreditaciya-poka-priost">история с Beget</a>.</p><p>К цифрам стоит относиться как к данным заинтересованной стороны: Positive Technologies продаёт средства защиты и услуги расследования, а база инцидентов собрана из её собственных проектов и открытых сообщений. Проверить выборку снаружи нельзя. Прогноз на 2027 год у компании такой: за календарный 2027 год число успешных атак превысит показатель 2026 года на 30–40%, а злоумышленники чаще будут компрометировать внутренние серверы обновлений и системы централизованного управления ПО и атаковать организации с помощью данных, украденных у их контрагентов.</p><p>Источники: <a href="https://ptsecurity.com/research/analytics/russia-cyberthreat-landscape-2027/">Positive Technologies: PT Vector 2027. Актуальные киберугрозы для российских организаций</a>, <a href="https://pt-corp.s3.ru-msk.k2.cloud/uploads/files/PT_Vector_2027_b28a03871b.pdf">PT Vector 2027, полная версия (PDF)</a></p>]]></content:encoded>
    </item>
    <item>
      <title>NVIDIA выложила Alpamayo 2 Edge: модель вождения на 2 млрд параметров</title>
      <link>https://tproger.ru/news/nvidia-vylozhila-alpamayo-2-edge-model-vozhdeniya-na-2-mlrd-param</link>
      <comments>https://tproger.ru/news/nvidia-vylozhila-alpamayo-2-edge-model-vozhdeniya-na-2-mlrd-param?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/nvidia-vylozhila-alpamayo-2-edge-model-vozhdeniya-na-2-mlrd-param</guid>
      <description><![CDATA[<p>Alpamayo 2 Edge строит траекторию на 6,4 секунды по шести камерам и объясняет решение текстом. Веса под OpenMDW-1.1, код под Apache 2.0, NVIDIA советует от 16 ГБ GPU.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/nvidia-vylozhila-alpamayo-2-edge-model-vozhdeniya-na-2-mlrd-param">NVIDIA выложила Alpamayo 2 Edge: модель вождения на 2 млрд параметров</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[NVIDIA]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:57:00 GMT</pubDate>
      <content:encoded><![CDATA[<p>NVIDIA 10 ноября выложила на Hugging Face <a href="https://huggingface.co/nvidia/Alpamayo2-Edge">Alpamayo 2 Edge</a>, компактную модель для автономного вождения класса VLA (зрение, язык, действие). Она принимает кадры с шести камер, историю движения автомобиля и текстовую навигационную подсказку, а выдаёт траекторию на 6,4 секунды вперёд и текстовое объяснение, почему выбрано именно такое действие. Веса опубликованы под лицензией OpenMDW-1.1, код инференса — под Apache 2.0.</p><p>Модель вместе с кодом можно скачать и запустить без закрытых соглашений: доступ к весам не ограничен, есть Jupyter-блокнот с примерами и симулятор для проверки. NVIDIA проверяла её только на H100 и для описанной в карточке конфигурации рекомендует не меньше 16 ГБ памяти GPU; нужны Linux и видеокарта NVIDIA с поддержкой BF16. Данные для примеров лежат в отдельном датасете со своими условиями доступа.</p><ul><li>Состав: основа на 2,45 млрд параметров (языковая модель 1,96 млрд, зрительный кодировщик SigLIP2 0,41 млрд, проектор 0,08 млрд) и «эксперт действий» на 0,2 млрд.</li><li>На входе 22 кадра с шести камер, 20 прошлых положений автомобиля и текст; на выходе 64 точки траектории с шагом 0,1 секунды.</li><li>Обучение: около 115 тыс. часов видео с нескольких камер и около 3,7 млн размеченных цепочек рассуждений.</li><li>По замерам NVIDIA, в симуляторе AlpaSim модель проезжает 15,15 км между инцидентами по своей вине.</li><li>Компания Embedl показала оптимизированную сборку для Jetson AGX Thor: 11 решений в секунду при росте ошибки на 1,8%.</li></ul><h2>Что умеет модель и как она устроена?</h2><p>Alpamayo 2 Edge построена на основе NVIDIA Cosmos 3 Edge, зрительно-языковой модели семейства Nemotron, к которой добавлен диффузионный декодер действий. В <a href="https://huggingface.co/nvidia/Alpamayo2-Edge">карточке модели</a> она названа рассуждающей: перед тем как выдать траекторию, модель генерирует текст в формате Chain-of-Causation, то есть цепочку «что вижу, поэтому делаю». Каждому варианту траектории соответствует собственное рассуждение. Модели также можно задавать свободные вопросы о дорожной сцене.</p><p>Для прогноза траектории используются шесть камер и 22 кадра: по пять кадров с двух фронтальных камер за последние две секунды и по три с четырёх боковых и задних камер за последнюю секунду. К ним добавляются 20 прошлых положений автомобиля с шагом 0,1 секунды и текстовая навигационная инструкция. На выходе модель выдаёт 64 путевые точки от 0,1 до 6,4 секунды: координаты и матрицы поворота в системе отсчёта автомобиля. Декодер предсказывает ускорение и кривизну на каждом шаге, а в положения их переводит простая кинематическая модель.</p><p>Обучающий набор NVIDIA описывает так: около 115 000 часов вождения с нескольких камер (с разметкой движения и траекторий) и около 3,7 млн цепочек Chain-of-Causation, часть из которых сгенерирована синтетически. Разметка — на английском языке.</p><h2>Какие результаты заявляет NVIDIA?</h2><p>Все цифры ниже взяты из карточки модели — это собственные замеры разработчика. В замкнутом контуре модель проверяли в открытом симуляторе <a href="https://github.com/NVlabs/alpasim">AlpaSim</a> на 875 сценариях по три прогона на каждый: 15,15 км пути на один инцидент по вине модели (съезд с дороги или столкновение), плюс-минус 0,04 км между наборами прогонов. В разомкнутом контуре на 1392 примерах ошибка лучшей из шести траекторий на горизонте 5 секунд составила 0,52 м.</p><p>Результаты Alpamayo 2 Edge в тестах на понимание дорожных сцен, по данным NVIDIA</p><table><thead><tr><th>Тест</th><th>Результат</th></tr></thead><tbody><tr><td>LingoQA, Lingo-Judge</td><td>75,2</td></tr><tr><td>SURDS</td><td>86,50</td></tr><tr><td>Ego3D, точность</td><td>84,94</td></tr><tr><td>WaymoQA, все вопросы</td><td>75,77</td></tr><tr><td>WaymoQA, критичные для безопасности</td><td>71,09</td></tr><tr><td>VLADBench</td><td>69,94</td></tr><tr><td>nuReasoning, выбор ответа</td><td>78,58</td></tr><tr><td>KITScenes, сцена</td><td>89,46</td></tr></tbody></table><p>карточка модели nvidia/Alpamayo2-Edge на Hugging Face</p><p>Сравнения с другими моделями в карточке нет, поэтому судить по этим числам, насколько модель хороша относительно конкурентов, нельзя. Километры между инцидентами получены в симуляции на реконструированных сценах — этот показатель годится для сравнения версий между собой и ничего не обещает о поведении на дороге.</p><h2>На чём её запускать?</h2><p>В карточке указана среда для запуска: Linux, Python 3.12, PyTorch 2.8.0 и Transformers 5.17.0. Замер NVIDIA сделан на одной H100 с 80 ГБ: при одном примере из 22 кадров, точности BF16 и шести вариантах траектории процесс занял 12,06 ГиБ памяти GPU. Отсюда рекомендация иметь не меньше 16 ГБ. Другие видеокарты, по словам компании, не проверялись, а потребление памяти зависит от числа вариантов траектории и размера входа.</p><p>Целевая платформа модели — автомобильный компьютер NVIDIA DRIVE AGX Thor. Компания Embedl, которая оптимизирует модели под встраиваемое железо, <a href="https://embedl.com/nvidia/alpamayo2-edge/thor">опубликовала сборку</a> для Jetson AGX Thor на TensorRT Edge-LLM 0.10.1 с квантованием NVFP4 и FP8. По её замерам, сборка выдаёт 11 решений в секунду, а при живом потоке с камер на 10 Гц — 9,4 решения в секунду. Ошибка траектории на 1434 примерах выросла на 1,8% относительно исходных весов BF16 при доверительном интервале от снижения на 1,7% до роста на 5,2%. Это замеры заинтересованной стороны: Embedl продаёт такую оптимизацию.</p><h2>Что разрешает лицензия и чего ждать дальше?</h2><p>Веса распространяются под <a href="https://openmdw.ai/license/1-1/">OpenMDW-1.1</a>, разрешительной лицензией, написанной специально для моделей и сопутствующих материалов; код в репозитории <a href="https://github.com/NVlabs/alpamayo2-edge">NVlabs/alpamayo2-edge</a> выпущен под Apache 2.0. Регион развёртывания в карточке указан как Global, ограничений по странам там нет. Датасет PhysicalAI-Autonomous-Vehicles, из которого берутся кадры для примеров, требует отдельно принять свои условия.</p><p>NVIDIA подчёркивает, что модель служит отправной точкой для дообучения и встраивания, а готовым автопилотом компания её не называет: интеграция в реальную систему требует собственных испытаний на данных под конкретное применение. Для большинства разработчиков модель сейчас полезна прежде всего в исследовательских задачах: разобрать архитектуру VLA для вождения, прогнать сценарии в AlpaSim, попробовать дообучение на своих данных.</p><p>Источники: <a href="https://huggingface.co/nvidia/Alpamayo2-Edge">Hugging Face: nvidia/Alpamayo2-Edge, карточка модели</a>, <a href="https://github.com/NVlabs/alpamayo2-edge">GitHub: NVlabs/alpamayo2-edge</a>, <a href="https://openmdw.ai/license/1-1/">OpenMDW License 1.1</a>, <a href="https://embedl.com/nvidia/alpamayo2-edge/thor">Embedl: Alpamayo 2 Edge на AGX Thor</a>, <a href="https://github.com/NVlabs/alpasim">GitHub: NVlabs/alpasim</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Опрос 6221 селф-хостера: Forgejo обошёл Gitea, а ИИ используют 60%</title>
      <link>https://tproger.ru/news/opros-6221-self-hostera-forgejo-obowyol-gitea-a-ii-ispolzuyut-6</link>
      <comments>https://tproger.ru/news/opros-6221-self-hostera-forgejo-obowyol-gitea-a-ii-ispolzuyut-6?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/opros-6221-self-hostera-forgejo-obowyol-gitea-a-ii-ispolzuyut-6</guid>
      <description><![CDATA[<p>Опрос selfh.st за 2026 год: Docker у 90% ответивших, Debian впереди Ubuntu, Forgejo вырос с 15% до 27%, а 63% принимают помощь ИИ, но против вайб-кодинга.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/opros-6221-self-hostera-forgejo-obowyol-gitea-a-ii-ispolzuyut-6">Опрос 6221 селф-хостера: Forgejo обошёл Gitea, а ИИ используют 60%</a>»</p>]]></description>
      <category><![CDATA[Linux]]></category>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[DevOps]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:50:40 GMT</pubDate>
      <content:encoded><![CDATA[<p>Сайт selfh.st 12 ноября <a href="https://selfh.st/survey/2026-results/">опубликовал итоги</a> ежегодного опроса тех, кто сам размещает сервисы на своих серверах. В 2026 году анкету заполнил 6221 человек, на 52% больше, чем годом раньше. Впервые в ней появились раздел об ИИ и вопрос о дистрибутивах Linux. Автор опроса Итан Шолли выложил результаты графиками и <a href="https://r2.selfh.st/surveys/annual/2026.json">файлом с данными</a>; проценты ниже посчитаны редакцией по этому файлу.</p><p>Исследование показывает, что реально стоит на домашних и небольших рабочих серверах: какой Git-хостинг выбирают вместо GitHub, чем закрывают доступ снаружи и как обновляют контейнеры. При этом выборка не случайная, анкету заполняли добровольно: 79% ответивших на вопрос о сфере работы заняты в технологиях, поэтому данные описывают энтузиастов, а рынок в целом может выглядеть иначе.</p><ul><li>Forgejo назвали 27% участников против 15% год назад; доля Gitea снизилась с 21% до 17%, GitLab с 7% до 6%.</li><li>ИИ используют 60% участников; среди них у 63% Claude, у 38% сервисы OpenAI, 23% используют только самостоятельно размещённые модели.</li><li>63% допускают проекты, где ИИ помогал автору, однако отвергают вайб-кодинг; ещё 25% всё равно, а 7% избегают таких инструментов совсем.</li><li>Docker используют 90% ответивших на вопрос о контейнерах, Podman 13%, Kubernetes 2%.</li><li>10% участников обходятся без резервных копий; год назад таких было 13%.</li></ul><h2>На чём работают серверы?</h2><p>Среди операционных систем с большим отрывом лидирует Linux (83%), далее идут Proxmox (44%), Home Assistant OS (32%), Raspberry Pi OS (24%) и TrueNAS (18%). Участники могли выбрать несколько вариантов, поэтому сумма превышает 100%. Тем, кто указал Linux, впервые задали уточняющий вопрос о дистрибутивах: Debian выбрали 57%, Ubuntu 50%, Arch Linux 12%, Fedora 11%, Alpine 9%, NixOS 8%.</p><p>По аппаратной базе преобладает потребительское железо: его используют 62% опрошенных. Маломощные устройства вроде одноплатников стоят у 49%, самосборные серверы у 36%, облачные VPS у 35%, а корпоративное серверное оборудование есть у 19%. Главными мотивами участники назвали хобби (94%), приватность (88%) и экономию (66%).</p><p>В способах развёртывания сервисов контейнерам отдают предпочтение 72% ответивших, ещё 24% выбирают по ситуации, и лишь 4% ставят программы прямо в систему. Среди систем контейнеризации стандартом остаётся Docker с 90%; LXC назвали 31%, Podman 13% (год назад 11%), Kubernetes 2%. Оркестрацию контейнеров применяют 24% ответивших на этот вопрос.</p><h2>Что ставят для кода, медиа и входа?</h2><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/6a4b35b9-715b-40fd-8a0b-7167d5ac452c.webp" alt="Диаграмма: доля участников опроса, использующих Git-платформы. Forgejo 15% в 2025 и 27% в 2026, Gitea 21% и 17%, GitLab 7% и 6%" /><figcaption>Доля участников опроса, назвавших каждую Git-платформу, в 2025 и 2026 годах. График: Tproger по данным selfh.st</figcaption></figure><p>Среди платформ для хранения кода заметнее всего выросла доля Forgejo, форка Gitea под управлением сообщества: его указали 1686 человек, или 27% всех участников, тогда как год назад было 613 из 4081 (15%). За то же время доля Gitea снизилась с 21% до 17%, а GitLab с 7% до 6%.</p><p>В категории медиасерверов лидирует Jellyfin с 64%. Музыкальный сервер Navidrome поднялся с 16% до 26% и чуть опередил Plex, который снизился с 30% до 25%. Среди систем единого входа первое место занимает authentik (18%), а Pocket ID почти удвоил долю, с 8% до 14%, обойдя Authelia (9%).</p><p>На вопрос о любимом приложении участники чаще всего называли Jellyfin, за ним следуют Home Assistant, Immich, Vaultwarden и Plex. Всего в ответах упомянули 509 разных программ.</p><h2>Как защищают доступ и данные?</h2><p>Для внешнего доступа 78% используют VPN и 66% обратный прокси; проброс портов оставили 15%, а 12% работают со своими сервисами только из локальной сети. Среди обратных прокси поровну набрали Traefik и Caddy (по 27% ответивших на вопрос об обратных прокси), за ними идут Nginx Proxy Manager (25%) и Cloudflare Tunnels (21%).</p><p>Ситуация с резервным копированием за год улучшилась, хотя пробелы остаются. Локальные копии делают 77%, облачные 53%, копии на другой площадке 25%. Совсем без бэкапов обходятся 622 человека, или 10% участников; в 2025 году таких было 13%.</p><p>Самый частый подход к обновлению контейнеров оказался ручным: 47% устанавливают их только вручную, 41% действуют по ситуации, а 12% полностью доверяют автоматике. Базы данных 82% держат в отдельном контейнере под каждое приложение, и 20% используют общий контейнер для нескольких сервисов.</p><h2>Как сообщество относится к ИИ?</h2><p>На новый вопрос об использовании ИИ положительно ответил 3761 человек, то есть 60% участников. Чаще всего нейросети помогают с поиском неисправностей (86% использующих), настройкой (78%), обучением и исследованиями (76%), а также с написанием скриптов и автоматизаций (71%). Разработку приложений указали 49%.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/72028a8e-b41b-4c2b-8b58-a43f0b1a6ae6.webp" alt="Диаграмма: модели и сервисы ИИ среди участников опроса, использующих ИИ. Claude 63%, OpenAI 38%, Gemini 28%, только свои модели 23%, Copilot 6%, DeepSeek 4%" /><figcaption>Какими моделями и сервисами пользуются участники, применяющие ИИ (можно было выбрать несколько). График: Tproger по данным selfh.st</figcaption></figure><p>По популярности сервисов лидирует Claude компании Anthropic: его выбирают 63% тех, кто пользуется ИИ. Инструменты OpenAI назвали 38%, Gemini 28%. Только самостоятельно размещёнными моделями обходятся 23% (при том что приватность среди мотивов самохостинга указали 88% опрошенных).</p><p>Отдельно у сообщества спросили об отношении к проектам, написанным с помощью ИИ. Вариант «помощь ИИ допустима, вайб-кодинг нет» выбрали 63%, ещё 25% ответили, что им всё равно, а 7% избегают таких проектов полностью. Для авторов опенсорсных инструментов вывод, на наш взгляд, такой: большинство пользователей допускают ИИ при разработке, но ждут, что автор понимает собственный код.</p><h2>Что с этим делать?</h2><p>Результаты опроса показывают, какие инструменты сейчас выбирает ядро сообщества. В сегменте Git-хостинга быстро набирает вес Forgejo, среди систем единого входа на первый план выходят authentik и Pocket ID, а для внешнего доступа нормой стал VPN вместо проброса портов. При этом даже в технически подготовленной аудитории каждый десятый участник до сих пор обходится без резервных копий.</p><p>При чтении этих цифр действуют стандартные оговорки открытых опросов. Анкеты заполнялись добровольно, выборка смещена в сторону аудитории selfh.st и профильных сообществ; в ряде вопросов можно было выбрать несколько вариантов, а на отдельные пункты ответили не все. Опрос прошёл на платформе Formbricks, которая также выступила его спонсором, о чём автор сообщил на странице результатов.</p><p>Источники: <a href="https://selfh.st/survey/2026-results/">selfh.st: 2026 Self-Host User Survey Results</a>, <a href="https://r2.selfh.st/surveys/annual/2026.json">selfh.st: данные опроса в JSON</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Подоходный налог США записали на Lean и нашли 138 ошибок в тексте закона</title>
      <link>https://tproger.ru/news/podohodnyj-nalog-swa-zapisali-na-lean-i-nawli-138-owibok-v-tekst</link>
      <comments>https://tproger.ru/news/podohodnyj-nalog-swa-zapisali-na-lean-i-nawli-138-owibok-v-tekst?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/podohodnyj-nalog-swa-zapisali-na-lean-i-nawli-138-owibok-v-tekst</guid>
      <description><![CDATA[<p>Стартап Lexifina с помощью ИИ перевёл подоходный налог США в Lean: 138 ошибок в тексте закона, 14 багов в опенсорсном UsTaxes и три неописанные лазейки.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/podohodnyj-nalog-swa-zapisali-na-lean-i-nawli-138-owibok-v-tekst">Подоходный налог США записали на Lean и нашли 138 ошибок в тексте закона</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:46:54 GMT</pubDate>
      <content:encoded><![CDATA[<p>Стартап Lexifina 10 ноября <a href="https://lexifina.com/blog/formalizing-the-us-tax-code">описал</a>, как перевёл федеральный подоходный налог США в код на языке Lean, компилятор которого умеет проверять математические доказательства. Перевод делали ИИ-агенты, а результат проверяли тестами, доказательствами и сравнением с тремя независимыми налоговыми калькуляторами. По пути авторы насчитали 138 ошибок оформления в официальном тексте закона и 14 багов в опенсорсном приложении для деклараций UsTaxes.</p><p>Сами по себе американские налоги русскоязычному разработчику вряд ли пригодятся, но показателен метод: большой запутанный текст правил превращён в исполняемую спецификацию с тестами, регрессионными проверками при каждом релизе и свойствами, доказанными для всех входных данных сразу. Так же можно подходить к тарифам, биллингу, расчёту зарплаты и любым бизнес-правилам, которые сегодня живут в текстовых документах и в головах.</p><ul><li>Проверка перекрёстных ссылок в разделе 26 Кодекса США дала 257 срабатываний, из них 138 оказались настоящими ошибками; Lean перепроверяет все 138 примерно за две с половиной минуты.</li><li>Модель налога за 2025 год сверили на 5000 условных домохозяйств: с PolicyEngine-US она совпала полностью в 4993 случаях, в оставшихся семи расхождение не превысило $11.</li><li>В UsTaxes нашли 14 багов, которые, по оценке авторов, затрагивают примерно одно из шести обычных домохозяйств тестовой выборки; в Tax-Calculator обнаружили логические ошибки в двух налоговых кредитах.</li><li>Слепой перебор заново открыл известные приёмы налогового планирования и дал три результата, которых авторы не нашли в литературе.</li><li>Разбор находок и ревью делали ИИ-агенты; юрист или аудитор результаты не проверял, предупреждают сами авторы.</li></ul><h2>Как из закона сделали проверяемый код?</h2><p>Официальный текст раздела 26 Кодекса США (Internal Revenue Code) публикуется в виде структурированных данных; Lexifina взяла выпуск, актуальный на 3 ноября 2026 года. Парсер разобрал все перекрёстные ссылки, включая записанные словами вроде «пункт (2) подраздела (b)», а Lean проверил каждую: существует ли норма, на которую ссылаются, и действует ли она. История кодекса у компании хранится как git-репозиторий, по одному коммиту на принятый закон, поэтому для каждой ошибки можно найти акт, который её внёс.</p><p>Проверки оформлены как набор тестов: он падает, если в новом выпуске кодекса появляется дефект, которого не было раньше. Из 257 срабатываний 98 оказались намеренными (правила для прошлых периодов и нормы, ещё не вступившие в силу), 21 было ложной тревогой из-за редакторских гиперссылок, а 138 признаны дефектами:</p><p>Ошибки оформления в тексте раздела 26 Кодекса США по подсчёту Lexifina</p><table><thead><tr><th>Тип ошибки</th><th>Количество</th></tr></thead><tbody><tr><td>Ссылка на отменённую, перенесённую или переписанную норму</td><td>67</td></tr><tr><td>Незакрытая скобка</td><td>30</td></tr><tr><td>Опечатка, неверный подраздел или неназванный акт</td><td>24</td></tr><tr><td>Две нормы с одним номером</td><td>9</td></tr><tr><td>Неверный уровень (подраздел назван пунктом)</td><td>8</td></tr></tbody></table><p>lexifina.com, выпуск кодекса на 3 ноября 2026 года</p><p>Для каждой из 138 ошибок есть сертификат: короткое утверждение на Lean, которое содержит данные из официального XML и доказывает дефект. Это проверка текста, смысл норм она не затрагивает: мёртвая ссылка или дубль номера ещё не означает, что налог считается неверно.</p><h2>Как проверяли саму модель налога?</h2><p>Вторая часть работы описывает уже сам расчёт: федеральный подоходный налог домохозяйства за 2025 год, то есть цифры формы 1040, с учётом поправок, принятых в июле 2025 года. Модель разбита на четыре блока: доходы, вычеты, сам налог с альтернативным минимальным налогом и налоговые кредиты. Перевод закона в Lean авторы называют шагом с потерями и страхуют его тремя способами.</p><ul><li>Каждый блок тестируется на цифрах, которые публикует налоговая служба США: по налоговой таблице, таблице кредита EITC и примерам из инструкций.</li><li>Второй агент, который этот блок не писал, проверяет его в роли противника: ищет ошибки и «жульничество», то есть код, написанный под тесты в обход текста закона.</li><li>Результат сравнивается с тремя независимыми программами на 5000 условных домохозяйств, из которых 3000 со сложными условиями: раздельные декларации супругов, чаевые и сверхурочные, доходы больше $1 млн.</li></ul><p>Вдобавок Lean позволяет строить доказательства, которые покрывают все входы сразу, тогда как тесты берут только выборку. Например, доказано, что таблица налога для доходов до $100 000 отличается от формулы в законе не больше чем на $5 в меньшую и $6 в большую сторону при любом налогооблагаемом доходе ниже $100 000 и любом статусе подачи.</p><p>С PolicyEngine-US модель совпала по всем показателям для 4993 домохозяйств из 5000; в семи расхождение не больше $11 и объясняется тем, что одна сторона берёт печатную таблицу EITC, а другая формулу. Сравнение выявило и две ошибки в собственной модели Lexifina: их выдало расхождение с двумя независимыми инструментами, которые сошлись между собой.</p><h2>Какие баги нашли в чужих калькуляторах?</h2><p>В <a href="https://github.com/ustaxes/UsTaxes">UsTaxes</a>, бесплатном приложении для самостоятельной подготовки декларации, авторы насчитали 14 багов и каждый подтвердили пересчётом; проверяли состояние репозитория на 7 ноября 2026 года (коммит 49cd0f2). При формировании декларации за 2025 год к ней не прикладывается форма Schedule C, поэтому доход от самозанятости молча пропадает. Кредит на уход за ребёнком не доходит до итоговой декларации, а проверка возраста для EITC проходит всегда. В <a href="https://github.com/PSLmodels/Tax-Calculator">Tax-Calculator</a> версии 6.8.5 кредиты EITC и на уход за иждивенцами выдаются супругам с раздельными декларациями без проверки, что они живут раздельно, как требует закон.</p><p>Это утверждения Lexifina; реакции разработчиков этих проектов в посте нет, и по открытым источникам мы её не проверяли. Показателен сам класс ошибок: все найденные дефекты относятся к логике правил, арифметических среди них нет. Обычными модульными тестами такие расхождения ловятся плохо, потому что тест повторяет понимание закона автором кода.</p><h2>А что с лазейками?</h2><p>Модель использовали как оракул для перебора: программа, которая ничего не знает о налоговом планировании, пробовала типовые решения для каждого домохозяйства — всего 195 787 деклараций — и ещё около 30 000 многолетних планов для четырёх семей. Всё крупное, что нашёл перебор, уже описано в профессиональной литературе, от раздельной подачи деклараций владельцем бизнеса до конвертации пенсионных счетов.</p><p>Три результата авторы называют новыми: их не оказалось ни в практических руководствах, ни в разъяснениях налоговой службы, ни на форумах налогового софта. Пример: супруги, живущие вместе, могут заплатить меньше при раздельной подаче, если один получает пенсию Social Security. При пенсии $48 000 и зарплате второго супруга $60 000 налог составляет $7050 совместно и $5568 раздельно. При зарплате $100 000 результат обратный. Назвать это уязвимостью закона авторы не берутся: решать, что означает находка, по их словам, всё ещё должен человек.</p><h2>Насколько этому можно верить?</h2><p>Ограничения перечислены в самом посте. Модель покрывает только индивидуальный подоходный налог за 2025 год и пропускает часть правил, включая иностранные доходы и большинство преференций альтернативного минимального налога. Сортировку ошибок оформления и ревью делали ИИ-агенты, юрист или сертифицированный бухгалтер их не проверял. И согласие четырёх калькуляторов не равно истине: они могут одинаково неверно читать закон.</p><p>Код, сертификаты, сравнение и переборы лежат в каталоге lean-proofs <a href="https://github.com/lexifina/global-law/tree/main/lean-proofs">репозитория global-law</a>; по словам авторов, сам репозиторий с версионированными текстами законов выпущен под CC0. Lexifina заинтересована в результате: это коммерческая компания, которая продвигает подход «закон как код», так что цифры стоит считать заявлением разработчика, пока их не воспроизвели независимо.</p><p>Источники: <a href="https://lexifina.com/blog/formalizing-the-us-tax-code">Lexifina: Formalizing the US tax code</a>, <a href="https://github.com/lexifina/global-law/tree/main/lean-proofs">GitHub: lexifina/global-law, каталог lean-proofs</a>, <a href="https://uscode.house.gov/download.html">Office of the Law Revision Counsel: официальный текст Кодекса США</a>, <a href="https://github.com/PolicyEngine/policyengine-us">GitHub: PolicyEngine/policyengine-us</a>, <a href="https://github.com/PSLmodels/Tax-Calculator">GitHub: PSLmodels/Tax-Calculator</a>, <a href="https://github.com/ustaxes/UsTaxes">GitHub: ustaxes/UsTaxes</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Из 40 крупных C-проектов только 8 обходятся одними malloc и free</title>
      <link>https://tproger.ru/news/iz-40-krupnyh-c-proektov-tolko-8-obhodyatsya-odnimi-malloc-i-free</link>
      <comments>https://tproger.ru/news/iz-40-krupnyh-c-proektov-tolko-8-obhodyatsya-odnimi-malloc-i-free?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/iz-40-krupnyh-c-proektov-tolko-8-obhodyatsya-odnimi-malloc-i-free</guid>
      <description><![CDATA[<p>Обзор The Consensus: 8 проектов из 40 выделяют память только через malloc, 7 в основном через регионы, 5 через сборщик мусора, 3 через подсчёт ссылок.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/iz-40-krupnyh-c-proektov-tolko-8-obhodyatsya-odnimi-malloc-i-free">Из 40 крупных C-проектов только 8 обходятся одними malloc и free</a>»</p>]]></description>
      <category><![CDATA[Linux]]></category>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:43:16 GMT</pubDate>
      <content:encoded><![CDATA[<p>Автор обзора Фил Итон изучил, как устроено управление памятью в 40 крупных проектах на C, и <a href="https://theconsensus.dev/p/2026/11/08/c-memory-management-survey.html">опубликовал результаты</a> 8 ноября в издании The Consensus. Только восемь проектов выделяют память исключительно парой malloc и free. Остальные строят поверх неё собственные механизмы: регионы (арены), подсчёт ссылок, сборщики мусора и автоматическую очистку по выходу из области видимости.</p><p>Для тех, кто пишет на C или разбирает чужой код, этот срез служит картой реальной практики: по нему видно, какие подходы применяют в PostgreSQL, nginx, Linux или Redis, со ссылками на конкретные функции в исходниках. Вдобавок статистика показывает, что в крупных проектах «ручное» управление памятью редко остаётся полностью ручным.</p><ul><li>8 проектов работают только с malloc и free: brotli, FreeRTOS, HAProxy, libdeflate, lz4, SQLite, xz-utils и zlib.</li><li>Ещё 16 используют malloc в основном, но не исключительно; среди них git (96%), curl (94%), Redis (79%) и Linux (71%).</li><li>7 проектов выделяют память преимущественно в регионах: pgvector и TimescaleDB на 100%, nginx на 92%, PostgreSQL на 78%.</li><li>5 проектов опираются на сборщик мусора (Ruby, Julia, Emacs, OCaml, Lua), 3 на подсчёт ссылок (CPython, PHP, Perl).</li><li>Автор считает метрику ограниченной: она учитывает только число мест вызова в коде, без размера блоков и частоты срабатывания.</li></ul><h2>Как считали и что получилось?</h2><p>The Consensus индексирует код более 400 инфраструктурных проектов. Для обзора взяли 40 проектов на C и исключили тесты, сторонний код и примеры. Основную стратегию определяли по числу мест в коде, где используется тот или иной способ выделения памяти. Автор сам называет метрику ограниченной: она не учитывает ни размер выделяемых блоков, ни то, как часто срабатывает каждый вызов. Отдельно стоит микроядро seL4, у которого кучи нет вовсе.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/d7deed96-7ee2-4572-968e-f70b82fb3c92.webp" alt="Диаграмма: число C-проектов по основной стратегии выделения памяти. В основном malloc 16, только malloc 8, регионы 7, сборщик мусора 5, подсчёт ссылок 3, без кучи 1" /><figcaption>Основная стратегия выделения памяти в 40 проектах на C. График: Tproger по данным The Consensus, 8 ноября 2026 года</figcaption></figure><p>Итоговое распределение: 8 проектов только на malloc, 16 в основном на malloc, 7 в основном на регионах, 5 на сборщике мусора, 3 на подсчёте ссылок и seL4 без кучи. Хотя бы в некоторых местах регионы используют 15 проектов, а два расширения PostgreSQL — pgvector и TimescaleDB — вообще не вызывают malloc и free и целиком работают в контекстах памяти СУБД.</p><h2>Кто управляет памятью вручную?</h2><p>Список «только malloc» состоит в основном из библиотек сжатия и встраиваемого кода: brotli, libdeflate, lz4, xz-utils, zlib, FreeRTOS, а также HAProxy и SQLite. Итон отдельно отмечает SQLite: проект, известный требованиями к корректности, выделяет память на 100% вручную. Это расходится с распространённым мнением, что проекты с высокими требованиями к надёжности уходят от ручного управления.</p><p>Проекты, где malloc преобладает, но не единственный: доля мест выделения по стратегиям, %</p><table><thead><tr><th>Проект</th><th>Вручную</th><th>Регионы</th><th>Сборщик мусора</th><th>Подсчёт ссылок</th></tr></thead><tbody><tr><td>PgBouncer</td><td>98</td><td>0</td><td>0</td><td>2</td></tr><tr><td>tmux</td><td>98</td><td>0</td><td>0</td><td>2</td></tr><tr><td>git</td><td>96</td><td>3</td><td>0</td><td>0</td></tr><tr><td>curl</td><td>94</td><td>0</td><td>0</td><td>6</td></tr><tr><td>dqlite</td><td>92</td><td>0</td><td>0</td><td>8</td></tr><tr><td>QEMU</td><td>86</td><td>0</td><td>0</td><td>14</td></tr><tr><td>Vim</td><td>85</td><td>0</td><td>0</td><td>15</td></tr><tr><td>Redis</td><td>79</td><td>0</td><td>0</td><td>21</td></tr><tr><td>Neovim</td><td>74</td><td>10</td><td>0</td><td>15</td></tr><tr><td>universal-ctags</td><td>72</td><td>0</td><td>0</td><td>28</td></tr><tr><td>Linux</td><td>71</td><td>29</td><td>0</td><td>0</td></tr><tr><td>zstd</td><td>70</td><td>30</td><td>0</td><td>0</td></tr><tr><td>tree-sitter</td><td>62</td><td>0</td><td>0</td><td>38</td></tr><tr><td>Erlang</td><td>57</td><td>0</td><td>39</td><td>4</td></tr><tr><td>PostGIS</td><td>54</td><td>46</td><td>0</td><td>1</td></tr><tr><td>Xen</td><td>51</td><td>49</td><td>0</td><td>0</td></tr></tbody></table><p>The Consensus, 8 ноября 2026 года</p><p>В 11 из 16 проектов этой группы ручное выделение дополнено подсчётом ссылок для отдельных типов объектов: в Redis это decrRefCount, в tmux server_client_unref, в tree-sitter ts_subtree_release. Сам malloc тоже редко вызывается напрямую: у Redis обёртки zmalloc и zfree, у git xstrdup, у Vim vim_strsave и vim_free.</p><h2>Где регионы и сборка мусора стали основой?</h2><p>Регион, он же арена, работает по принципу группового сброса: объекты выделяются внутри него, освобождать их по одному необязательно (хотя некоторые реализации это позволяют), и вся память возвращается разом при удалении самого региона. Для серверов, где время жизни данных ограничено запросом или транзакцией, такой подход снимает целый класс утечек. Поэтому в лидерах по доле регионов оказались базы данных и веб-серверы: Citus (99%), Apache httpd (98%), nginx (92%), PostgreSQL (78%). Сюда же вошла библиотека ggml из llama.cpp с показателем 65%.</p><p>Сборщик мусора преобладает в интерпретаторах и средах выполнения языков: Ruby (82%), Julia (80%), Emacs (77%), OCaml (62%), Lua (60%). Подсчёт ссылок лежит в основе CPython (85%), PHP и Perl (по 62%). Таким образом, часть проектов на C с ручным управлением на деле реализует автоматическое управление памятью для других языков.</p><h2>Что нового в Linux и QEMU?</h2><p>Ещё одной неожиданной находкой Итон называет то, что Linux и QEMU в последние годы начали использовать очистку по области видимости. Это расширение компилятора, атрибут cleanup, который вызывает заданную функцию, когда переменная выходит из области видимости. В ядре он обёрнут в макрос __free(kfree), в QEMU применяется g_autofree из GLib. По смыслу это ближе всего к RAII из C++ или к defer: освобождение объявляется рядом с выделением и не теряется на ветках с ранним возвратом.</p><p>Пример иллюстративный: он показывает форму записи, а реальные вызовы автор обзора приводит ссылками на <a href="https://github.com/torvalds/linux/blob/v7.2/drivers/input/touchscreen/raydium_i2c_ts.c#L174">драйвер в Linux 7.2</a> и на <a href="https://github.com/qemu/qemu/blob/v11.1.2/block.c#L855">block.c в QEMU 11.1.2</a>.</p><h2>Что с этим делать на практике?</h2><p>Обзор ничего не предписывает, но из него складываются три ориентира для собственного кода. Если у данных есть общий срок жизни, например запрос, кадр или задача, регион проще и надёжнее набора парных free. Если объектом владеют несколько частей программы, зрелые проекты заводят для этого типа подсчёт ссылок и не распространяют его на всё подряд. А если проект собирается только GCC и Clang, атрибут cleanup уже считается приемлемым даже в ядре Linux.</p><p>В полной версии обзора есть сводная таблица по всем 40 проектам со ссылками на функции каждой стратегии. Её удобно использовать как указатель: открыть, как сделаны арены в nginx или контексты памяти в PostgreSQL, быстрее по ссылке, чем поиском по репозиторию. Данные о долях стоит читать с оговоркой автора: они отражают количество мест вызова в коде, без учёта объёма выделяемой памяти.</p><p>Источники: <a href="https://theconsensus.dev/p/2026/11/08/c-memory-management-survey.html">The Consensus: Memory management in 40 major C projects, a survey</a>, <a href="https://github.com/torvalds/linux/blob/v7.2/drivers/input/touchscreen/raydium_i2c_ts.c#L174">Linux v7.2: пример __free(kfree) в драйвере raydium_i2c_ts</a>, <a href="https://github.com/qemu/qemu/blob/v11.1.2/block.c#L855">QEMU v11.1.2: пример g_autofree в block.c</a></p>]]></content:encoded>
    </item>
    <item>
      <title>В Chromium исправили таймер, который зацикливался в 25-часовой день</title>
      <link>https://tproger.ru/news/v-chromium-ispravili-tajmer-kotoryj-zaciklivalsya-v-25-chasovoj-d</link>
      <comments>https://tproger.ru/news/v-chromium-ispravili-tajmer-kotoryj-zaciklivalsya-v-25-chasovoj-d?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/v-chromium-ispravili-tajmer-kotoryj-zaciklivalsya-v-25-chasovoj-d</guid>
      <description><![CDATA[<p>Планировщик статистики в Chromium прибавлял 24 часа вместо календарного дня и в ночь перевода часов назад срабатывал без пауз до 01:00. Как это исправили.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/v-chromium-ispravili-tajmer-kotoryj-zaciklivalsya-v-25-chasovoj-d">В Chromium исправили таймер, который зацикливался в 25-часовой день</a>»</p>]]></description>
      <category><![CDATA[C++]]></category>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Браузеры]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:40:07 GMT</pubDate>
      <content:encoded><![CDATA[<p>Разработчик Рамзи Люн 9 ноября <a href="https://ramsayleung.github.io/en/post/2026/the_chromium_bug_caused_by_25_hour_day/">разобрал</a> ошибку в Chromium, которая проявлялась один час в году: в ночь перевода часов назад планировщик фоновой задачи срабатывал без пауз. Причина крылась в предположении, что «прибавить один день» равносильно прибавке 24 часов. <a href="https://chromium-review.googlesource.com/c/chromium/src/+/8655919">Исправление</a> ошибки попало в основную ветку Chromium 26 октября 2026 года.</p><p>Проблема типовая, и её легко воспроизвести в любом проекте, где есть правило «не чаще раза в сутки» или «после полуночи по местному времени» — например, в лимитах запросов, ежедневных отчётах, напоминаниях и биллинге. В России часы не переводят, но код работает у пользователей и на серверах в других часовых поясах: в тех регионах США и Канады, где сезонный перевод сохранился, в 2026 году часы перевели назад 1 ноября.</p><ul><li>При сдвиге на один час местные сутки в день перевода назад длятся 25 часов, в день перевода вперёд — 23 часа.</li><li>Функция ComputeEarliestAllowedTimeToRun() считала следующую полночь как (last_recorded_at + base::Days(1)).LocalMidnight().</li><li>Если прошлый запуск пришёлся на интервал с 00:00 до 01:00 в 25-часовой день, результат оказывался в прошлом, и таймер запускался в плотном цикле до 01:00 по местному времени.</li><li>Исправление прибавляет к местной полуночи 28 часов и только потом округляет до полуночи, а также добавляет минимальный интервал в 12 часов между запусками.</li></ul><h2>Как 24 часа превращаются в бесконечный цикл?</h2><p>Ошибка находилась в планировщике DeviceStatisticsScheduler из компонента синхронизации Chromium (components/sync/service/device_statistics_scheduler.cc). Его задача — записывать метрики не чаще одного раза за календарный день, разрешая следующий запуск после местной полуночи. Люн приводит проблемную логику в упрощённом виде:</p><p>Это значение передаётся таймеру. Когда он срабатывает, код проверяет, наступило ли разрешённое время: если ещё нет — планирует ожидание заново, если да — выполняет задачу, записывает last_recorded_at = now и ставит следующий запуск.</p><p>base::Days(1) означает ровно 86 400 секунд физического времени. В обычный день прибавка 24 часов переносит на завтра, и LocalMidnight() возвращает завтрашнюю полночь. В день перевода часов назад сутки длиннее на 1 час. Если последняя запись сделана, например, в 00:30, то через 24 часа на местных часах будет 23:30 того же календарного дня, и LocalMidnight() вернёт сегодняшнюю полночь, которая уже прошла.</p><p>Дальше замыкается цикл. Разрешённое время оказывается в прошлом, поэтому задача выполняется немедленно. Поле last_recorded_at получает текущее время, которое по-прежнему попадает в интервал с 00:00 до 01:00, расчёт вновь даёт сегодняшнюю полночь, и таймер запускается без задержки. В описании коммита такое поведение назвали tight loop — плотным циклом, который длится до 01:00 по местному времени.</p><h2>Как это исправили в Chromium?</h2><p>Автор патча Марк Трайб изменил точку отсчёта: теперь код сначала берёт местную полночь дня последней записи, прибавляет к ней сутки и 4 часа (то есть 28 часов) и только потом округляет результат до полуночи. Запас в 4 часа перекрывает 25-часовой день: через 28 часов от полуночи в любом случае наступает следующий календарный день. Люн цитирует новый код так:</p><p>В качестве дополнительной страховки коммит добавляет минимальный интервал в 12 часов от последней записи: даже если расчёт полуночи снова даст сбой, плотный цикл не возникнет. Патч меняет сам планировщик и его юнит-тест.</p><p>Люн иронизирует над таким решением: вместо расчёта по местному календарю («полночь дня, следующего за датой последней записи») в коде появился допуск в 4 часа. Формально подход работает, пока сдвиг времени не превышает этот запас, а на практике часы обычно переводят на 1 час. Это его оценка — почему запас равен именно четырём часам, в патче не объясняется.</p><h2>Где искать такую же ошибку у себя?</h2><p>Общий признак проблемы один: к моменту времени прибавляют фиксированную длительность, а результат трактуют как календарную дату. Ошибка чаще всего прячется в трёх сценариях.</p><ul><li>Правила «раз в сутки» и «после полуночи»: квоты, ежедневные задачи, сброс счётчиков. Для них нужна арифметика календарных дней в местном часовом поясе.</li><li>Циклы, где следующая отметка времени вычисляется из предыдущей. Им нужна защита от нулевого или отрицательного шага, как 12-часовой минимум в патче Chromium.</li><li>Тесты. Сценарии с 23-часовым и 25-часовым днём, а также интервал между 00:00 и 02:00 в ночь перевода часов редко попадают в наборы проверок, хотя воспроизвести их просто — достаточно зафиксировать часовой пояс и дату.</li></ul><p>Возможен и зеркальный случай: в 23-часовой день прибавка 24 часов перескакивает через пропущенный час, и правило «в то же время завтра» сдвигается. В планировщике Chromium это не вызывало цикл, но в биллинге или расписаниях приводит к смещению на 1 час.</p><p>О том, как ошибка проявлялась на практике, в описании коммита не сказано — там указан только внутренний номер бага. По коду видно, что цикл длился не больше часа в год и затрагивал лишь устройства, где предыдущая запись метрик пришлась на первый час 25-часового дня.</p><p>Источники: <a href="https://ramsayleung.github.io/en/post/2026/the_chromium_bug_caused_by_25_hour_day/">Ramsay Leung: The Chromium Bug Caused by 25-Hour Day</a>, <a href="https://chromium-review.googlesource.com/c/chromium/src/+/8655919">Chromium Gerrit: [Sync] Fix DeviceStatisticsScheduler loop on DST fall-back days</a></p>]]></content:encoded>
    </item>
    <item>
      <title>ИИ-обзор Google сделал исследовательницу миллионершей из-за её шутки</title>
      <link>https://tproger.ru/news/ii-obzor-google-sdelal-issledovatelnicu-millionerwej-iz-za-eyo-w</link>
      <comments>https://tproger.ru/news/ii-obzor-google-sdelal-issledovatelnicu-millionerwej-iz-za-eyo-w?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/ii-obzor-google-sdelal-issledovatelnicu-millionerwej-iz-za-eyo-w</guid>
      <description><![CDATA[<p>Лира Ребане поменяла поле награды в баг-трекере Chromium на $1 333 337 и пошутила об этом в X. Вскоре ИИ-обзор Google сообщал о выплате как о факте.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/ii-obzor-google-sdelal-issledovatelnicu-millionerwej-iz-za-eyo-w">ИИ-обзор Google сделал исследовательницу миллионершей из-за её шутки</a>»</p>]]></description>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:37:48 GMT</pubDate>
      <content:encoded><![CDATA[<p>Исследовательница безопасности Лира Ребане 11 ноября <a href="https://lyra.horse/blog/2026/11/disinformation-machine/">рассказала в блоге</a>, как ИИ-обзор в поиске Google несколько дней сообщал, что она стала миллионершей: якобы 7 ноября 2026 года Google выплатил ей рекордные $1 333 337 за уязвимость в Chrome. На деле за этот баг она получила $1000, а семизначную сумму сама вписала в поле баг-трекера, к которому ей по ошибке дали доступ, и пошутила об этом в X.</p><p>Её история показывает путь от поста в соцсети до «факта» в ответе ИИ: между ними оказались автоматическая заметка сообщества с ошибкой, ИИ-подкаст, пересказывающий популярные твиты, и поисковая выдача, из которой собирается обзор. Уточнение автора появилось в том же треде через час, но подкаст и поисковые ИИ-сводки его не учли.</p><ul><li>Ребане нашла логическую ошибку в Background Fetch API ещё в 2022 году; в феврале 2026 года отчёт пометили исправленным, награда составила $1000.</li><li>При повторном исправлении её по ошибке назначили проверяющей (verifier) в трекере, что дало право редактировать поля, включая сумму награды.</li><li>Шуточный твит за час набрал 600 лайков; вскоре автор уточнила, что Google такую награду не назначал и не выплатит.</li><li>ИИ-обзор Google пересказывал историю как факт, а в выдаче рядом стоял автоматический подкаст с тем же утверждением; по словам автора, то же самое она видела у ChatGPT и Kagi Assistant.</li><li>После публикации разбора ИИ-сводки Kagi, DuckDuckGo и Bing продолжили называть её миллионершей, ссылаясь уже на сам разбор.</li></ul><h2>С чего началась история с миллионом?</h2><p>Ребане пишет, что у неё 14 CVE в Chrome. В 2022 году она сообщила Google о логической ошибке в Background Fetch API: достаточно было заманить жертву на сайт или показать ей iframe, чтобы включить её браузер в ботнет. Из-за необычности бага отчёт, по её словам, несколько лет провисел без движения. В феврале 2026 года баг пометили исправленным, награда составила $1000. Через несколько месяцев отчёт стал публичным, после чего Google снова закрыл его и выпустил исправление.</p><p>При повторной проверке Ребане оказалась записана в отчёте как verifier. Обычному автору отчёта в трекере Chromium доступны только чтение и комментарии, а исполнители, проверяющие и соавторы могут менять поля, включая vrp-reward, куда комиссия программы вознаграждений записывает сумму. Новые кнопки в интерфейсе она заметила в ноябре, случайно переназначила отчёт на бот-аккаунт, поняла, что её действия уже видны, и выставила в поле 1333337.</p><p>Затем она написала в X, что её уязвимость получила самую большую награду в истории программы Google VRP, и приложила видео, где сама меняет значение поля. Шутка разошлась быстрее, чем автор рассчитывала, и через час она добавила уточнение: скриншот настоящий, доступ на редактирование ей дали по ошибке, Google эту награду не назначал и не выплатит.</p><h2>Как шутка стала «фактом»?</h2><p>Цепочка, которую восстановила Ребане, состоит из трёх звеньев.</p><ol><li><b>Заметка сообщества с ошибкой.</b> Через пару часов под твитом появилась заметка Community Notes, написанная «экспериментальным ИИ-участником». В ней утверждалось, что автор сама отредактировала скриншот. Это неверно: скриншот был подлинным, а изменили само поле в трекере. Ребане публично возразила, и заметка исчезла.</li><li><b>ИИ-подкаст.</b> Твит попал в Daily Vibe Casting — автоматический ИИ-подкаст о популярных постах в X. Там история изложена уже без оговорок: исследовательница сообщает о награде $1 333 337, крупнейшей в программе Google.</li><li><b>ИИ-обзор в поиске.</b> Google AI Overview на запросы о самой большой награде за баг в Chrome и на запросы с именем Ребане отвечал, что её состояние «официально перешагнуло отметку в миллион долларов 7 ноября 2026 года». В выдаче по тем же запросам, судя по скриншотам в блоге, стояли исходный твит и выпуск подкаста.</li></ol><p>В блоге приведён текст обзора: там упоминаются «критическая уязвимость», «элитные навыки» и сравнение с прежним потолком наград в $250 000. Скриншоты такого же ответа, по словам автора, присылали и другие пользователи.</p><p>Когда под твитом появилась новая заметка сообщества, Google стал называть историю розыгрышем. Но 14 ноября Ребане дописала к посту обновление: ИИ-сводки Kagi, DuckDuckGo и Bing продолжали утверждать, что она миллионерша, и теперь ссылались на её собственный разбор, в котором объясняется, что это неправда.</p><h2>Почему это больше чем курьёз?</h2><p>Сама Ребане считает случай безобидным: вводить кого-то в заблуждение она не собиралась, пострадавших нет. Её беспокоит воспроизводимость. Алгоритм ранжирования X опубликован, крупные аккаунты и сети ботов умеют разгонять посты, а заметка сообщества в её случае исчезла вскоре после публичного возражения, и Ребане опасается, что так же может поступить злоумышленник. Достаточно вывести в тренды несколько постов с нужными ключевыми словами, чтобы они попали в поисковую выдачу, а оттуда — в ответ ИИ.</p><p>Разница с обычной выдачей, по её мнению, в доверии: человек вряд ли поверит одному твиту среди результатов поиска, но ИИ-обзор стоит первым, выглядит как готовый ответ и не показывает, что единственный источник утверждения — пост в соцсети. Это мнение автора, замеров доверия к обзорам в посте нет. Похожий сбой мы уже разбирали, когда <a href="https://tproger.ru/news/-ya-uznal-o-svoej-smerti-iz-google---kak-ii-ot-google-obyavil-zhivogo-zhurnalista-umerwim">ИИ от Google объявил живого журналиста умершим</a>.</p><h2>Что из этого следует разработчику?</h2><p>Практических выводов два, и оба наши. Первый касается всех, кто строит поиск с генерацией ответа (RAG) поверх веба или соцсетей: в этой истории опровержение лежало в том же треде, что и исходное утверждение, но подкаст и поисковые сводки его не учли. Проверять стоит не только релевантность найденного фрагмента, но и то, что автор или источник написали следом. Второй связан с правами доступа: всё началось с того, что внешнему участнику выдали роль с правом редактировать служебные поля отчёта, включая указанную сумму награды.</p><p>У истории есть и формальный финал. Доступ у Ребане отозвали, значение поля вернули к 1000. Представитель команды Google VRP, по её словам, написал ей, что вышло смешно, но поля баг-трекера трогать не следует. Публичных комментариев Google о работе ИИ-обзора в этом случае в посте нет.</p><p>Источники: <a href="https://lyra.horse/blog/2026/11/disinformation-machine/">lyra.horse: How I accidentally became a millionaire</a>, <a href="https://x.com/rebane2001/status/2119178106359763263">X: исходный пост Лиры Ребане, 7 ноября 2026</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Умер Тим Питерс, автор «Дзена Python» и алгоритма сортировки Timsort</title>
      <link>https://tproger.ru/news/umer-tim-piters-avtor-dzena-python-i-algoritma-sortirovki-tim</link>
      <comments>https://tproger.ru/news/umer-tim-piters-avtor-dzena-python-i-algoritma-sortirovki-tim?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/umer-tim-piters-avtor-dzena-python-i-algoritma-sortirovki-tim</guid>
      <description><![CDATA[<p>Гвидо ван Россум сообщил о смерти Тима Питерса: автору Zen of Python, Timsort и модуля doctest было 74 года. Рассказываем о его вкладе в язык.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/umer-tim-piters-avtor-dzena-python-i-algoritma-sortirovki-tim">Умер Тим Питерс, автор «Дзена Python» и алгоритма сортировки Timsort</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[История IT]]></category>
      <category><![CDATA[Python]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:36:32 GMT</pubDate>
      <content:encoded><![CDATA[<p>Создатель Python Гвидо ван Россум 11 ноября 2026 года <a href="https://discuss.python.org/t/in-memoriam-tim-peters-1952-2026/110028">сообщил на форуме разработчиков языка</a> о смерти Тима Питерса. Питерс умер 15 июля 2026 года; по данным <a href="https://www.bratleyfamilyfuneralhomes.com/obituary/timothy-peters">некролога</a>, на который ссылается ван Россум, ему было 74 года. Известие дошло до сообщества почти через четыре месяца.</p><p>С работой Питерса сталкивается каждый, кто пишет на Python. Он автор «Дзена Python», который интерпретатор печатает по команде import this, и алгоритма Timsort, которым сортируют списки методы list.sort() и функция sorted(). Ему же принадлежит модуль стандартной библиотеки doctest.</p><ul><li>Тим Питерс родился 26 марта 1952 года в Милуоки и умер 15 июля 2026 года; о его смерти 11 ноября сообщил Гвидо ван Россум.</li><li>Он написал «Дзен Python»: текст появился в рассылке python-list в июне 1999 года, а в 2004 году его оформили как PEP 20.</li><li>В 2002 году он разработал для списков Python алгоритм сортировки Timsort, который позже переняли Java и Android.</li><li>С 2001 по 2014 год Питерс входил в совет директоров Python Software Foundation, в 2017 году получил её награду Distinguished Service Award.</li><li>Последнее сообщение на форуме discuss.python.org он оставил 8 июля 2026 года.</li></ul><h2>Что сообщил Гвидо ван Россум</h2><p>Ван Россум называет Питерса наставником и соавтором дизайна языка. По его словам, Питерс нашёл Python вскоре после первого выпуска и первым делом убедил автора, что язык должен поддерживать смешанную арифметику целых чисел и чисел с плавающей точкой: большинство пользователей ждёт, что она работает именно так.</p><blockquote>It's hard to overestimate Tim's influence on Python. He's probably best known for writing the Zen of Python (PEP 20), but to me he was a mentor and language co-designer long before that.</blockquote><p>В списках рассылки Python Питерс получил прозвище Timbot за многочисленные терпеливые ответы на вопросы пользователей. Шутки в письмах он помечал тегами &lt;wink&gt; и &lt;0.5 wink&gt;, а собственные объяснения решений автора языка называл «channeling Guido». Ван Россум пишет, что Питерс участвовал во множестве обсуждений дизайна, удерживал его и других от ошибок и решал сложные задачи, опираясь на знание математики и опыт разработки компиляторов. Он же, по словам ван Россума, задал тон ранней разработке ядра: никого не отвергал с порога и подробно объяснял, почему идея сработает или не сработает.</p><p>Сообщение заканчивается подписью в манере самого Питерса: «Python-would-not-be-what-it-is-today-without-Tim-ly y'rs», то есть «Python не был бы тем, чем стал, без Тима».</p><h2>Что Тим Питерс сделал для Python</h2><p><b>«Дзен Python».</b> Девятнадцать афоризмов о том, как устроен язык и как на нём писать, Питерс <a href="https://mail.python.org/pipermail/python-list/1999-June/001951.html">опубликовал в рассылке python-list</a> 4 июня 1999 года в ответ на просьбу сформулировать «путь Python» для новичков. В августе 2004 года текст оформили как <a href="https://peps.python.org/pep-0020/">PEP 20</a>. В аннотации сказано, что афоризмов двадцать и только девятнадцать из них записаны. Текст встроен в интерпретатор как пасхалка:</p><p><b>Timsort.</b> В 2002 году Питерс разработал для списков Python новый алгоритм сортировки. В сопроводительной заметке <a href="https://github.com/python/cpython/blob/main/Objects/listsort.txt">listsort.txt</a> он описал его как адаптивную устойчивую естественную сортировку слиянием, «скромно названную timsort». Алгоритм за один проход находит в массиве уже упорядоченные серии и сливает их; на частично упорядоченных данных ему нужно заметно меньше сравнений, вплоть до N-1. Позже, как отмечает ван Россум, алгоритм переняли Java и Android. О том, как сортировка устроена с точки зрения пользователя, у нас есть <a href="https://tproger.ru/translations/python-sorting">подробный гайд</a>.</p><p><b>Стандартная библиотека и ядро.</b> Python Software Foundation в <a href="https://www.python.org/community/awards/psf-distinguished-awards/">описании награды</a> называет среди его работ модули doctest и timeit и главу об алгоритмах в книге Python Cookbook. Разработчик ядра CPython Нил Шеменауэр в той же ветке форума вспоминает, что Питерс доработал аллокатор памяти pymalloc, оптимизировал алгоритмы словарей и оставил в исходниках подробные технические заметки.</p><p><b>Сообщество.</b> С 2001 по 2014 год Питерс был директором Python Software Foundation, организации, которая обладает правами на большинство выпусков Python, защищает его товарные знаки и поддерживает развитие языка. В 2017 году фонд вручил ему высшую награду — Distinguished Service Award. В описании награды отмечено, что ответы Питерса на Stack Overflow прочитали около миллиона человек.</p><h2>Каким его запомнили коллеги</h2><p>Ван Россум предложил участникам форума делиться воспоминаниями, и в первые дни в ветке появилось несколько десятков ответов, в том числе от действующих разработчиков ядра и членов управляющего совета Python.</p><p>Крис Макдоноу, работавший с Питерсом в начале 2000-х, пишет, что до Python тот разрабатывал компиляторы для суперкомпьютеров в Cray Research и программы распознавания речи в Dragon Systems, а на Python перешёл в самые ранние дни языка и стал «чем-то вроде второго настоящего пользователя после Гвидо». По его воспоминаниям, Питерс и ван Россум были партнёрами в дизайне раннего Python, а сам Питерс держался без всякой претенциозности.</p><p>Томас Воутерс, член управляющего совета Python, вспоминает, что почти три десятилетия назад Питерс показывал в рассылке, как должно выглядеть доброжелательное сообщество: всегда находил время объяснить, почему подход не сработает, и редко закрывал дверь перед чьей-либо идеей. Пабло Галиндо Сальгадо, тоже член совета, пишет, что многое о сборщике мусора он узнал из кода Питерса и его ревью, а объяснял Питерс так, что собеседник чувствовал себя умным, а не медлительным.</p><p>Разработчик ядра Петр Викторин рассказал, что выбрал язык программирования после того, как на последнем курсе университета прочитал listsort.txt. Эндрю Кучлинг напомнил фразу Питерса из вступления к главе о поиске и сортировке в Python Cookbook: «Я пообещал угостить ужином любого, кто напишет для Python более быструю сортировку. Увы, я ужинал один» (перевод редакции).</p><p>Питерс оставался активным участником обсуждений до последних дней. Как заметил разработчик ядра Хьюго ван Кеменаде, его <a href="https://discuss.python.org/t/sorted-data-structure-in-the-stdlib/107994/30">последнее сообщение на форуме</a>, написанное 8 июля 2026 года в обсуждении сортированных структур данных, заканчивается словами: «реальный мир сложнее, чем надеются наши чистые абстракции» (перевод редакции).</p><p>Об остальных людях, которые определили облик языка, можно прочитать в нашем материале <a href="https://tproger.ru/articles/python-v-licah-kto-sozdal-yazyk-i-kogo-vspominat-za-lyambda-funkcii">«Python в лицах»</a>.</p><p>Источники: <a href="https://discuss.python.org/t/in-memoriam-tim-peters-1952-2026/110028">Guido van Rossum: In Memoriam: Tim Peters 1952–2026 (discuss.python.org)</a>, <a href="https://www.bratleyfamilyfuneralhomes.com/obituary/timothy-peters">Bratley Family Funeral Homes: Obituary for Tim G. Peters</a>, <a href="https://peps.python.org/pep-0020/">PEP 20: The Zen of Python</a>, <a href="https://mail.python.org/pipermail/python-list/1999-June/001951.html">Tim Peters: «The Python Way», python-list, 4 июня 1999 года</a>, <a href="https://github.com/python/cpython/blob/main/Objects/listsort.txt">CPython: Objects/listsort.txt</a>, <a href="https://www.python.org/community/awards/psf-distinguished-awards/">Python Software Foundation: Distinguished Service Awards</a>, <a href="https://lwn.net/Articles/1106901/">LWN.net: In Memoriam: Tim Peters 1952–2026</a>, <a href="https://commons.wikimedia.org/wiki/File:Tim_Peters_-_PyCon_2003.jpg">Wikimedia Commons: Tim Peters - PyCon 2003.jpg</a></p><p>Изображение на обложке: фото IncessantRanting, Wikimedia Commons, CC BY 4.0</p>]]></content:encoded>
    </item>
    <item>
      <title>Исследовательница превратила майнинговую CMP 170HX в аналог A100 на 80 ГБ</title>
      <link>https://tproger.ru/news/issledovatelnica-prevratila-majningovuyu-cmp-170hx-v-analog-a100</link>
      <comments>https://tproger.ru/news/issledovatelnica-prevratila-majningovuyu-cmp-170hx-v-analog-a100?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/issledovatelnica-prevratila-majningovuyu-cmp-170hx-v-analog-a100</guid>
      <description><![CDATA[<p>Уязвимость кристалла GA100 позволяет пережечь фьюзы и открыть на CMP 170HX 80 ГБ памяти, 120+ блоков SM и PCIe 4.0. Нужны пайка и до 48 часов подбора.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/issledovatelnica-prevratila-majningovuyu-cmp-170hx-v-analog-a100">Исследовательница превратила майнинговую CMP 170HX в аналог A100 на 80 ГБ</a>»</p>]]></description>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[NVIDIA]]></category>
      <category><![CDATA[Железо]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:33:26 GMT</pubDate>
      <content:encoded><![CDATA[<p>Исследовательница, публикующаяся под именем Kate, 10 ноября <a href="https://blog.kate.land/posts/using-voltage-glitching-to-unlock-the-a100/">описала</a> уязвимость в кристалле NVIDIA GA100, которая позволяет пережигать произвольные фьюзы. С её помощью майнинговая карта CMP 170HX с заявленными 8 ГБ памяти превращается в аналог серверной A100 на 80 ГБ: открываются вся память HBM, все исправные вычислительные блоки, PCIe 4.0 и NVLink. В синтетическом тесте FP16 такая карта у неё оказалась примерно в 1,2 раза быстрее серийной A100.</p><p>Для тех, кто собирает домашний сервер под локальные LLM, это история про цену видеопамяти: по данным Tom's Hardware, CMP 170HX на 8 ГБ стоит на вторичном рынке около $3000, а A100 на 80 ГБ в исполнении PCIe доходит до $20 000 и выше. Массовым рецептом метод назвать нельзя: нужны пайка на самой видеокарте, самодельная плата-глитчер и от часа до двух суток автоматического подбора, а пережжённый фьюз не восстановить.</p><ul><li>CMP 170HX 8GB физически несёт около 80 ГБ памяти HBM, версия на 10 ГБ - около 40 ГБ: это тот же кристалл GA100, что в A100, ограниченный фьюзами на заводе.</li><li>Программный мод cmpunlocker открывает до 64 ГБ на 8-гигабайтной карте, но оставляет 70 блоков SM из 128 и PCIe 2.0.</li><li>Аппаратный метод открывает 64–80 ГБ, 120–128 SM и PCIe 4.0 (для него нужна ещё доработка платы); из 10 карт автора у 9 заработали все 80 ГБ, у одной открылись 64 ГБ.</li><li>Прирост в тесте FP16 half2 FMA: около 1,7 раза к программной разблокировке и около 1,2 раза к серийной A100, по замерам автора.</li><li>NVIDIA уведомлена до публикации; материалы исследования выложены в репозитории ga100vfi под лицензией MIT.</li></ul><h2>Откуда в 8-гигабайтной карте 80 ГБ памяти?</h2><p>GA100 лежит в основе почти двадцати моделей NVIDIA, самая известная среди которых A100. С завода кристалл выходит со 128 потоковыми мультипроцессорами (SM), пятью блоками декодирования видео, контроллером PCIe Gen4 x16 и четырьмя-шестью стеками памяти HBM в одном корпусе. Дальше NVIDIA пережигает электронные предохранители (eFuse): так отключают бракованные блоки и делят один кристалл на разные продукты.</p><p>Карту для майнинга Ethereum CMP 170HX автор называет одним из самых крайних примеров такой сегментации. Приложениям в ней доступно 8 или 10 ГБ, хотя на борту распаяно около 80 и около 40 ГБ соответственно. Поэтому версия на 8 ГБ ценнее: она сделана из 80-гигабайтного варианта кристалла.</p><p>Что доступно на CMP 170HX при разных способах разблокировки</p><table><thead><tr><th>Параметр</th><th>Из коробки</th><th>Программно (cmpunlocker)</th><th>Аппаратно (GA100VFI)</th></tr></thead><tbody><tr><td>Память, карта 8 ГБ</td><td>8 ГБ</td><td>64 ГБ</td><td>64–80 ГБ</td></tr><tr><td>Память, карта 10 ГБ</td><td>10 ГБ</td><td>40 ГБ</td><td>40–48 ГБ</td></tr><tr><td>Блоки SM</td><td>70</td><td>70</td><td>120–128</td></tr><tr><td>Поколение PCIe</td><td>1</td><td>2</td><td>4</td></tr><tr><td>NVLink</td><td>нет</td><td>нет</td><td>да, с доработкой платы</td></tr><tr><td>ECC</td><td>нет</td><td>нет по таблице автора; README cmpunlocker заявляет поддержку</td><td>да, не проверено</td></tr><tr><td>MIG</td><td>нет</td><td>нет</td><td>да, не проверено</td></tr></tbody></table><p>блог kate.land, 10 ноября 2026 года</p><h2>В чём уязвимость и как её использовали?</h2><p>Контроллер фьюзов GA100 хранит 16 384 предохранителя, 512 строк по 32. По ним формируются «опционные слова», которые решают, какие функции кристалла включены. По логике безопасного дизайна, пишет Kate, пережжённый фьюз должен только ужесточать ограничения, ведь восстановить его экономически невозможно. При этом у NVIDIA есть настройки, где пережигание дополнительных фьюзов ограничения снимает.</p><p>Ключевую роль играет область, которую NVIDIA называет fuseless fuses: это строки-записи, из которых контроллер при старте собирает значения опций. Если две записи адресуют один и тот же блок, побеждает более поздняя. Дописав новую строку, можно перекрыть заводское ограничение, не «восстанавливая» ни одного физического фьюза. В обычном режиме запись в эту область запрещена.</p><p>Этот запрет обходят сбоем по питанию (voltage fault injection): кратковременная просадка напряжения в нужный момент переводит контроллер в состояние, где запись разрешена. Kate собрала глитчер на микроконтроллере STM32G4; плату и прошивку, по её словам, спроектировала модель GPT-6 Astra. Глитчер подключается к видеокарте двумя проводами и требует снять один резистор типоразмера 0402: он перехватывает сигнал PWMVID, которым кристалл управляет своим регулятором напряжения, и подаёт на драйвер MP2888B собственную форму сигнала. Получается, что провалы напряжения создаёт штатный регулятор карты.</p><p>Одна попытка начинается со снятия и подачи питания: при достижении 225 мВ на линии питания GPU запускается таймер и выдаётся заданная форма сигнала. Питание автор переключает переходом компьютера в сон и обратно, на что уходит несколько секунд. На разблокировку одной карты у неё уходило от 1 до 48 часов.</p><h2>Что получилось на выходе?</h2><p>На картах с исправными 80 ГБ, а таких в выборке автора около 90%, вся память становится рабочей. Kate проверяла её записью псевдослучайных данных по всему объёму с обратным чтением и реальными нагрузками, включая vLLM. На одной карте из десяти целыми оказались только 64 ГБ, и аппаратный метод преимущества по памяти над программным не дал.</p><p>Из коробки CMP 170HX использует 70 SM. На практике, пишет автор, исправных блоков на кристалле почти всегда больше 120, и после разблокировки работают все. Отсюда прирост около 1,7 раза к программной разблокировке и около 1,2 раза к серийной A100, у которой NVIDIA включает 108 SM с запасом на брак. Это результат одного синтетического теста: операция FP16 half2 FMA в OpenCL-Benchmark проекта ProjectPhysX. О скорости инференса LLM он напрямую не говорит.</p><p>PCIe Gen4 на лучшей тестовой карте работает, но для него понадобилась дополнительная доработка развязывающих конденсаторов линий PCIe. NVLink требует ещё одной небольшой доработки платы и обхода проверки в прошивке. ECC, MIG и аппаратное декодирование видео автор не тестировала.</p><h2>Стоит ли повторять и что это значит для рынка?</h2><p>Повторять эксперимент вслепую рискованно: автор прямо пишет, что помогать с разблокировкой чужих карт не будет. У метода несколько ограничений:</p><ul><li>Фьюзы физические. Ошибочная запись в обычные фьюзы необратима.</li><li>Нужны навыки пайки тонким проводом к контактам возле драйвера питания и собственная плата-глитчер.</li><li>Результат зависит от экземпляра: сколько памяти и блоков SM исправно, определяется на заводе.</li><li>Без программного мода cmpunlocker драйверы новые возможности не увидят, уточняет Tom's Hardware.</li><li>Для 10-гигабайтной версии метод даёт 40–48 ГБ; экземпляры с физическими 80 ГБ, по словам автора, если и существуют, то редки.</li></ul><p>Kate объясняет публикацию тем, что ту же уязвимость независимо нашёл другой исследователь, и сообщает, что уведомила команду продуктовой безопасности NVIDIA заранее. Ответа компании в посте нет. Tom's Hardware отмечает, что с уже проданными картами NVIDIA мало что может сделать, и предупреждает, что цены на CMP 170HX, вероятно, будут меняться по мере того, как о модах узнает больше людей.</p><p>Работа опирается на исследование Джона Прая о защите сопроцессора безопасности GPU и на программный мод cmpunlocker Амога Муникоте. Дальше автора интересуют более глубокие состояния сбоя, в которых защитные фьюзы читаются как непережжённые: они открывают отладочное исполнение кода и доступ к внутренностям кристалла. С этого места история про апгрейд видеокарты становится исследованием безопасности GPU.</p><p>Источники: <a href="https://blog.kate.land/posts/using-voltage-glitching-to-unlock-the-a100/">kate.land: Using voltage glitching to unleash the A100 in my mining card</a>, <a href="https://github.com/kate-land/ga100vfi">GitHub: kate-land/ga100vfi</a>, <a href="https://github.com/amoghmunikote/cmpunlocker">GitHub: amoghmunikote/cmpunlocker</a>, <a href="https://www.tomshardware.com/pc-components/gpus/techie-turns-usd2-500-cmp-170hx-8gb-mining-card-into-a-full-fat-a100-80gb-with-voltage-glitching-carefully-blowing-onboard-fuses-to-unlock-entire-vram-and-shader-modules">Tom's Hardware: Techie uses voltage glitching hack to turn $2,500 Nvidia 8GB cryptomining GPU into a full-fat $20,000 A100</a>, <a href="https://www.researchgate.net/publication/408132536_A_Canary_in_the_Crypto_Mine_Defeating_Stack_Protection_in_a_GPU_Secure_Coprocessor">Jon Pry: A Canary in the Crypto Mine: Defeating Stack Protection in a GPU Secure Coprocessor</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Cloudflare строит глобальный консенсус на QuePaxa вместо Raft и Paxos</title>
      <link>https://tproger.ru/news/cloudflare-stroit-globalnyj-konsensus-na-quepaxa-vmesto-raft-i</link>
      <comments>https://tproger.ru/news/cloudflare-stroit-globalnyj-konsensus-na-quepaxa-vmesto-raft-i?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/cloudflare-stroit-globalnyj-konsensus-na-quepaxa-vmesto-raft-i</guid>
      <description><![CDATA[<p>Cloudflare объяснила, почему сервис Meerkat работает на QuePaxa: алгоритму не нужны выборы лидера и детектор сбоев, а 95% решений принимаются за один обмен.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/cloudflare-stroit-globalnyj-konsensus-na-quepaxa-vmesto-raft-i">Cloudflare строит глобальный консенсус на QuePaxa вместо Raft и Paxos</a>»</p>]]></description>
      <category><![CDATA[DevOps]]></category>
      <category><![CDATA[Rust]]></category>
      <category><![CDATA[Облачные технологии]]></category>
      <category><![CDATA[Cloudflare]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:27:06 GMT</pubDate>
      <content:encoded><![CDATA[<p>Cloudflare 11 ноября <a href="https://blog.cloudflare.com/choosing-quepaxa/">рассказала</a>, почему её экспериментальный сервис распределённого консенсуса Meerkat работает на алгоритме QuePaxa вместо привычных Raft, Multi-Paxos или Viewstamped Replication. QuePaxa опубликован исследователями в 2023 году и почти не встречается в продакшене. Его главное свойство: чтобы принимать решения, кластеру не нужны ни живой лидер, ни детектор сбоев с таймаутами.</p><p>Разбор пригодится всем, кто эксплуатирует etcd, Consul, ZooKeeper или собственный сервис на Raft в нескольких регионах. Инженеры Cloudflare по шагам показывают, как короткий сетевой сбой превращается у алгоритмов с лидером в долгий простой, и описывают устройство альтернативы настолько подробно, что его можно пересказать коллегам у доски.</p><ul><li>Meerkat хранит упорядоченный журнал событий для внутренней глобальной control plane Cloudflare; поверх журнала работает, например, key-value хранилище.</li><li>Претензия к Raft и Paxos: при задержках и обрывах связи они останавливаются на время выборов лидера, а таймаут выборов привязан к задержке сети.</li><li>В QuePaxa лидер необязателен: предлагать значение может любая реплика, а конкурирующие предложения сходятся к одному по случайным приоритетам.</li><li>По оценкам Cloudflare, больше 95% решений принимает лидер за один сетевой обмен; в остальных случаях пропускная способность кратковременно падает максимум до трети.</li><li>Алгоритм мало проверен практикой, поэтому реализацию на Rust формально верифицируют.</li></ul><h2>Что такое Meerkat и почему ему не подошёл Raft?</h2><p>Cloudflare <a href="https://blog.cloudflare.com/meerkat-introduction/">представила</a> Meerkat в июле 2026 года. Это система, в которой реплики согласуют упорядоченный журнал событий; каждое событие проходит через алгоритм консенсуса, поэтому журналы реплик не расходятся. Поверх журнала работают приложения вроде key-value хранилища, где запись в журнале означает get или put. Ближайшие аналоги авторы называют сами: Consul, etcd и Apache ZooKeeper.</p><p>Отличие в масштабе. Кластер Meerkat может быть разнесён по континентам и связан каналами с высокой и нестабильной задержкой, а привычные системы консенсуса рассчитаны на компактные сети со строгими требованиями к задержке. В качестве примера Cloudflare приводит собственный <a href="https://blog.cloudflare.com/a-byzantine-failure-in-the-real-world/">инцидент 2020 года</a>: из-за частичного отказа сетевого коммутатора система на консенсусе деградировала и на время перестала принимать запись, а панель управления, по словам авторов, шесть часов работала до 80 раз медленнее обычного. Данные при этом не потерялись.</p><h2>Где ломаются алгоритмы с лидером?</h2><p>Авторы выделяют два механизма. Первый они называют деструктивной интерференцией. В классическом Paxos два участника, предлагающие значения одновременно, могут бесконечно перебивать друг друга более высокими номерами голосований. Raft, Multi-Paxos и Viewstamped Replication обходят это, назначая лидера: предлагает только он, и решение принимается за один сетевой обмен. Цена в том, что лидер должен быть жив и доступен.</p><p>Когда лидер пропадает, начинаются выборы, и та же интерференция возвращается: несколько кандидатов Raft могут одновременно собирать голоса и мешать друг другу набрать большинство. Получается метастабильный отказ, который поддерживает сам себя после исчезновения причины. Двухсекундный сбой сети заставляет лидера выглядеть упавшим, запускает выборы, они проваливаются и запускают следующие.</p><p>Второй механизм связан с обнаружением сбоев. В асинхронной сети нельзя отличить упавший сервер от медленного канала, детектор всегда гадает по таймауту и иногда ошибается, а каждая ошибка останавливает систему на выборы. Занизить таймаут тоже нельзя: он обязан превышать задержку сети. Raft обычно разворачивают с таймаутом выборов в 5–10 раз больше времени обмена, пишут авторы; <a href="https://etcd.io/docs/v3.4/tuning/#time-parameters">документация etcd</a>, на которую они ссылаются, советует не меньше 10. Обмен через полмира занимает сотни миллисекунд, так что даже безошибочное обнаружение упавшего лидера отнимает около секунды, и всё это время кластер стоит.</p><h2>Как QuePaxa обходится без выборов и детектора сбоев?</h2><p><a href="https://dl.acm.org/doi/10.1145/3600006.3613150">QuePaxa</a> описали в 2023 году Теннадж, Бэсеску и соавторы. В нём, как в Paxos, две роли: proposers предлагают значения, recorders записывают всё, что видели, и служат посредниками. Отличие в том, что предлагающие сотрудничают. Каждому предложению назначается случайный приоритет; получив от recorder предложение с приоритетом выше своего, proposer перенимает его и дальше рассылает уже это значение. Заблокировать друг друга навсегда участники не могут: все движутся к самому приоритетному из известных предложений.</p><p>Лидер в схеме есть, но он необязателен. В первом раунде его предложение получает максимальный приоритет, и только он может принять решение за один обмен. Если лидер недоступен, клиенты продолжают отправлять запросы другим репликам, и система работает без него.</p><p>Чтобы пользоваться быстрым путём и не зависеть от лидера, клиент страхуется (hedging): запрос уходит всем репликам, а остальные ждут небольшой таймаут, давая лидеру шанс принять решение в одиночку. В своей реализации Cloudflare отступила от статьи: таймаут выжидают клиенты вместо реплик, чтобы слать меньше сообщений. Принципиально то, что этот таймаут не служит детектором сбоев и не привязан к задержке сети. Таймаут в 5 мс при задержке сети 100 мс заморозил бы Raft, а в QuePaxa он лишь увеличивает число активных предлагающих. Плата за маленький таймаут: больше трафика и выше шанс, что раунд не завершится решением.</p><p>Раунд QuePaxa состоит из четырёх фаз, в каждой предлагающий рассылает текущее предложение всем recorders и ждёт ответа большинства:</p><ol><li><b>Фаза 0, предложить и перенять.</b> Участники выбирают случайный приоритет и перенимают самое приоритетное предложение, полученное от большинства. Если это первый раунд и лидер знает, что его предложение дошло до большинства первым, он принимает решение сразу.</li><li><b>Фаза 1, распространить.</b> Перенятое предложение рассылается большинству recorders, которые запоминают самое приоритетное из увиденных.</li><li><b>Фаза 2, проверить и решить.</b> Участник спрашивает у большинства самое приоритетное предложение предыдущей фазы. Если оно совпадает с его собственным, решение принято.</li><li><b>Фаза 3, перенести дальше.</b> Тот, кто не решил, перенимает лучшее из увиденного и идёт в следующий раунд.</li></ol><p>Безопасность держится на пересечении большинств: любые два большинства recorders имеют хотя бы одного общего участника, поэтому участник следующей фазы обязательно получит либо предложение, дошедшее до большинства, либо более приоритетное. Остальное обеспечивают правила фаз и переноса значений. Случайные приоритеты решают теоретическую проблему: рандомизация позволяет обойти теорему FLP о невозможности детерминированного консенсуса в асинхронной сети. В статье о QuePaxa вероятность решения в раундах без лидера оценивается не ниже 50%, а на практике, по словам Cloudflare, она заметно выше, потому что участники сходятся к одному предложению.</p><h2>Что показали испытания и чего пока нет?</h2><p>Cloudflare приводит результаты собственных прогонов на серверах почти на всех континентах, без абсолютных чисел. Meerkat продолжал обрабатывать запросы при падении, отключении и замедлении лидера; полной остановки авторы не наблюдали ни разу. Больше 95% решений принимает лидер в первой фазе. Когда быстрый путь не срабатывает, пропускная способность кратковременно падает, максимум до трети обычной: на решение уходит три обмена вместо одного. Лидера можно менять прямо на работающем кластере: неудачный выбор замедляет систему, но не останавливает её.</p><p>Абсолютных значений пропускной способности, сравнения с Raft на том же стенде и описания нагрузки в тексте нет: бенчмарки обещаны в следующих постах серии. Это замеры самой компании на экспериментальном сервисе.</p><p>Риски авторы называют прямо. QuePaxa не проверен практикой так, как Raft и Paxos, а Cloudflare ещё и расширяет исходную модель: в статье узлы после сбоя не возвращаются (crash-stop), тогда как Meerkat должен поддерживать восстановление после сбоя. Поэтому реализацию на Rust и сервис целиком формально верифицируют и прогоняют через симуляцию и внедрение отказов.</p><h2>Что из этого следует для обычного кластера на Raft?</h2><p>Менять etcd на QuePaxa статья не призывает, да и готовой реализации Cloudflare не публикует: Meerkat остаётся внутренним экспериментом. Практическая польза в диагнозе. Если кластер консенсуса растянут между регионами, его доступность на запись зависит от одного узла и от того, насколько точно выставлен таймаут выборов, а короткие сетевые всплески могут обходиться непропорционально дорого. Это повод посмотреть на свои значения election timeout и heartbeat относительно реальной задержки между площадками и проверить, как кластер переживает и падение лидера, и его замедление.</p><p>Следующие публикации серии Cloudflare обещает посвятить верификации Meerkat, тестированию трудновоспроизводимых отказов и бенчмаркам. Авторы текста: Боб Хэлли, Джеймс Лариш и Жуан Педру Лейте.</p><p>Источники: <a href="https://blog.cloudflare.com/choosing-quepaxa/">Cloudflare Blog: Choosing QuePaxa, an unusual consensus algorithm</a>, <a href="https://blog.cloudflare.com/meerkat-introduction/">Cloudflare Blog: Introducing Meerkat, an experiment in global consensus</a>, <a href="https://dl.acm.org/doi/10.1145/3600006.3613150">ACM: QuePaxa: Escaping the tyranny of timeouts in consensus (SOSP 2023)</a>, <a href="https://bford.info/pub/os/quepaxa/quepaxa.pdf">Авторский PDF статьи QuePaxa</a>, <a href="https://blog.cloudflare.com/a-byzantine-failure-in-the-real-world/">Cloudflare Blog: A Byzantine failure in the real world</a>, <a href="https://etcd.io/docs/v3.4/tuning/#time-parameters">etcd: Tuning, time parameters</a></p><p>Изображение на обложке: Cloudflare</p>]]></content:encoded>
    </item>
    <item>
      <title>Бизнес ищет резерв в зарубежных ЦОДах, но указ №802 разрешает это не всем</title>
      <link>https://tproger.ru/news/biznes-ishhet-rezerv-v-zarubezhnyh-codah-no-ukaz-802-razrewaet-et</link>
      <comments>https://tproger.ru/news/biznes-ishhet-rezerv-v-zarubezhnyh-codah-no-ukaz-802-razrewaet-et?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/biznes-ishhet-rezerv-v-zarubezhnyh-codah-no-ukaz-802-razrewaet-et</guid>
      <description><![CDATA[<p>Указ №802 допускает зарубежные вычислительные мощности только по решению подкомиссии и с согласия ФСБ. Требование локализации персональных данных остаётся.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/biznes-ishhet-rezerv-v-zarubezhnyh-codah-no-ukaz-802-razrewaet-et">Бизнес ищет резерв в зарубежных ЦОДах, но указ №802 разрешает это не всем</a>»</p>]]></description>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Россия]]></category>
      <category><![CDATA[Законы]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:25:45 GMT</pubDate>
      <content:encoded><![CDATA[<p>После октябрьских атак беспилотников на дата-центры российские компании начали искать резервные площадки за границей, в том числе в Казахстане, <a href="https://www.kommersant.ru/doc/9093045">написал</a> «Коммерсантъ» 10 ноября. 16 ноября «Ведомости» <a href="https://www.vedomosti.ru/technology/articles/2026/11/16/1245499-operatori-poprosili">сообщили</a>, что несколько провайдеров ЦОДов и крупнейших операторов персональных данных попросили разрешить им временно использовать вычислительные мощности вне России. Формальную возможность для этого дал <a href="http://publication.pravo.gov.ru/document/0001202611020038">указ президента №802</a> от 2 ноября 2026 года. Но автоматического допуска за рубеж он не открывает: каждое обращение должна одобрить правительственная подкомиссия по согласованию с ФСБ.</p><p>Для команды, чей сервис живёт в одном дата-центре, отсюда два практических вывода. Требование 152-ФЗ держать базы с персональными данными граждан в России указ не отменяет, а передача таких данных за рубеж остаётся отдельной процедурой со своими правилами. При этом вторая площадка и зашифрованные бэкапы вне основного ЦОДа перестали быть перестраховкой: спрос на резервные площадки уже заметно вырос.</p><ul><li>Пункт 3 указа №802 допускает временное использование зарубежных вычислительных мощностей только на основании решения подкомиссии, согласованного с ФСБ.</li><li>Тот же указ обязал частные ЦОДы за 10 дней зарезервировать 10% площадей и мощностей и отдавать их по решению подкомиссии в течение суток.</li><li>По оценкам участников рынка, свободные облачные ресурсы в России заняты почти на 90%; число обращений по отдельным ЦОДам с июля по октябрь было примерно на 50% выше, чем в первом полугодии.</li><li>За рубеж переносят в основном резервные копии и дублирующие контуры критичных сервисов, основная инфраструктура остаётся в России.</li><li>Глава Минцифры Максут Шадаев 16 ноября заявил, что просьб провайдеров об использовании зарубежных мощностей министерство не получало.</li></ul><h2>Что на самом деле написано в указе №802?</h2><p>Документ называется «О временных мерах по обеспечению поддержки функционирования на территории Российской Федерации информационных ресурсов» и состоит из шести пунктов на трёх страницах. Зарубежным мощностям посвящён только третий пункт — вот он целиком.</p><blockquote>Временное использование вычислительных мощностей, расположенных за пределами территории Российской Федерации, для обеспечения поддержки функционирования на территории Российской Федерации информационных ресурсов в связи с недружественными действиями некоторых иностранных государств допускается на основании решения подкомиссии, согласованного с Федеральной службой безопасности Российской Федерации.</blockquote><p>Речь идёт о новом органе — подкомиссии по обеспечению бесперебойного функционирования объектов в сфере информационных технологий и связи при правительственной комиссии по цифровому развитию. Правительству поручено сформировать её, а также утвердить положение и порядок принятия решений. Критериев согласования, срока, на который допускается «временное использование», и перечня допустимых стран в указе нет. По данным «Ведомостей», к 16 ноября состав подкомиссии так и не сформировали.</p><p>Остальные пункты касаются российских площадок. Владельцы ЦОДов, кроме органов власти, государственных и муниципальных унитарных предприятий и учреждений, обязаны в течение 10 дней зарезервировать 10% площадей и мощностей. Указ вступил в силу в день публикации, 2 ноября, так что срок истёк 12 ноября. Зарезервированные мощности можно использовать в обычной работе, но по решению подкомиссии их придётся освободить за сутки. Стоимость таких услуг ограничат предельной ставкой, которую утвердит та же подкомиссия.</p><p>Для владельцев сайтов и сервисов важен ещё пункт 5: Минцифры поручено утвердить «обязательные требования для владельцев информационных ресурсов по обеспечению надежности и бесперебойности функционирования их информационных ресурсов». Сроков и содержания этих требований в указе нет.</p><h2>Почему компании пошли за резервом за границу?</h2><p>Внутри страны свободный резерв быстро не найти. По оценкам участников рынка, которые приводит «Коммерсантъ», свободные облачные ресурсы в России заняты почти на 90%. Спрос рос ещё до октябрьских инцидентов: бизнес-архитектор проектов ИИ экосистемы «Авандок» Алексей Борщов отмечает, что с июля по октябрь обращений по отдельным ЦОДам стало примерно на 50% больше, чем в первом полугодии.</p><p>В октябре к дефициту добавились физические потери. По <a href="https://www.kommersant.ru/doc/9045107">сводке «Коммерсанта»</a> от 23 октября, беспилотники атаковали пять ЦОДов. В ночь с 7 на 8 октября полностью вышел из строя дата-центр «Яндекса» в Рязанской области мощностью около 12 МВт, 9 октября частично пострадал калужский ЦОД на 63 МВт, а в ночь с 10 на 11 октября остановился ЦОД во Владимирской области мощностью порядка 40 МВт. Кроме того, 14 октября атаковали строящийся ЦОД Сбербанка в Балакове, а в ночь на 18 октября — ЦОД VK в Ленинградской области; обе компании сообщили, что их сервисы работают штатно.</p><p>Издание оценивает потерю мощностей «Яндекса» примерно в 115 МВт при неудовлетворённом спросе на рынке в 150–200 МВт ещё до инцидентов. Сбои затронули несколько десятков сервисов самой компании и более десятка сервисов арендаторов, а Yandex Cloud перевела платформу в аварийный режим и рекомендовала клиентам использовать альтернативные планы восстановления.</p><blockquote>Компании пересматривают подход к организации непрерывности бизнеса и ищут резервную площадку, которая не зависит от сетевой и энергетической инфраструктуры основного ЦОДа.</blockquote><h2>Что именно переносят за рубеж?</h2><p>В основном резерв. Полностью переносить инфраструктуру компании, как правило, не планируют, говорит Свидерский. По его описанию, есть два базовых сценария, которые на практике комбинируют: для каждой системы уровень защиты выбирают по её значимости для бизнеса.</p><ul><li><b>Только резервные копии.</b> Простой случай: на второй площадке лежат бэкапы, из которых сервис поднимают после аварии.</li><li><b>Дублирующая инфраструктура.</b> Для самых критичных сервисов строят второй контур, который постоянно работает на другой площадке.</li></ul><p>Борщов описывает то же самое: «На практике речь идет о географическом резервировании, а не о переезде основной инфраструктуры». По его словам, некоторые игроки рынка ищут резервные площадки сразу в России, Белоруссии и Казахстане. Два источника «Коммерсанта» говорят, что у части компаний миграция уже началась. «Ведомости» со ссылкой на собеседника пишут, что как минимум три оператора ЦОДов ведут переговоры с провайдерами в Средней Азии о георезервировании и аренде GPU.</p><h2>Что мешает переехать в зарубежное облако целиком?</h2><p>Главные препятствия — закон о персональных данных и скромный размер соседних рынков. По 152-ФЗ запись, хранение и извлечение персональных данных граждан должны вестись в базах на территории России. Указ №802, как отмечает «Коммерсантъ», это требование не отменяет: он допускает зарубежные вычисления, при этом основные базы данных всё равно должны оставаться внутри страны. По словам Борщова, законно хранить за рубежом можно только зашифрованную резервную копию данных.</p><p>Для Казахстана есть рабочая схема, но и у неё жёсткие рамки. «Казахстан входит в список стран с адекватной защитой данных, так что трансграничная передача туда возможна после уведомления Роскомнадзора и при условии, что основная база остается в России», — говорит Борщов.</p><p>Второе ограничение — физическая нехватка мощностей. По данным «Коммерсанта», у «Казахтелекома» около 47% коммерческого рынка ЦОДов страны и примерно 25 МВт мощности, загруженной на 95%. Весь коммерческий рынок республики сопоставим с одним крупным российским дата-центром на 50–80 МВт (оценка ComNews Research). Новый кластер в Экибастузе почти на 250 МВт должен появиться к 2028 году, но его, как пишет издание, строят под американские чипы и американского арендатора, и российских клиентов там, по оценкам экспертов, вряд ли примут.</p><p>Юристы советуют не читать указ как послабление. Александр Журавлев, управляющий партнёр юридической компании ЭБР, сказал «Коммерсанту», что механизм временный и адресный, а решения будут принимать точечно, прежде всего когда внутреннего резерва мощностей недостаточно. По его оценке, спрос на зарубежных провайдеров из дружественных юрисдикций ограничат «как разрешительным порядком, так и практическими вопросами расчетов и готовности самих провайдеров работать с российскими клиентами».</p><h2>Как к зарубежным мощностям относится Минцифры?</h2><p>Министерство предпочитает, чтобы мощности оставались в России. 12 ноября глава Минцифры Максут Шадаев <a href="https://www.kommersant.ru/doc/9095437">сказал</a> на CNews Forum 2026: «Выбирая между двумя историями — переезд за границу или уход под землю — конечно, мы заинтересованы в том, чтобы они уходили под землю, а не релоцировались» (цитата по «Интерфаксу» в изложении «Коммерсанта»; речь о ЦОДах). До конца года ведомство обещает разработать меры поддержки строительства ЦОДов в регионах, например льготное кредитование.</p><p>16 ноября, после публикации «Ведомостей» о просьбах операторов, Шадаев <a href="https://www.kommersant.ru/doc/9110324">заявил</a> журналистам, что министерство таких просьб провайдеров не получало. Получается, что о запросах известно только со слов источников газеты, а официального подтверждения нет.</p><p>Отдельно для клиентов российских ЦОДов важны правила работы внутреннего резерва. По тезисам выступления Шадаева на совещании с операторами 6 ноября, с которыми ознакомились «Ведомости», резервные 10% <a href="https://www.kommersant.ru/doc/9093212">пойдут на информационные системы из «белого списка»</a>. Если свободных 10% у оператора нет, ему придётся отключать действующих клиентов, заранее выбрав менее приоритетных. Если зарезервированные мощности всё-таки сдают в аренду, клиента нужно предупредить, что по требованию площадку придётся освободить за 24 часа.</p><h2>Что сделать команде, у которой сервис живёт в одном ЦОДе?</h2><p>Ниже наши выводы из прочитанного; это рекомендации редакции, в указе их нет.</p><ol><li>Спросите провайдера, попадают ли ваши стойки или виртуальные машины в 10-процентный резерв и есть ли в договоре условие об освобождении мощностей за 24 часа.</li><li>Разделите данные по типам. Для баз с персональными данными граждан действует требование локализации в России, а передача таких данных за рубеж идёт по правилам трансграничной передачи из 152-ФЗ, включая уведомление Роскомнадзора. Что именно можно держать на зарубежной площадке, стоит заранее проверить с юристом.</li><li>Держите хотя бы одну резервную копию вне основного ЦОДа и вне его сетевой и энергетической инфраструктуры: у другого провайдера или в другом регионе. Регулярно проверяйте, что из неё действительно поднимается сервис. Чем заканчивается хранение всех копий в контуре одного провайдера, показала <a href="https://tproger.ru/news/beget-vernul-perenos-domenov-ru-i-rf-akkreditaciya-poka-priost">атака на Beget</a>.</li><li>Для критичных систем посчитайте второй контур на другой площадке. Сравнить цены российских облаков поможет наш <a href="https://tproger.ru/articles/oblachnye-servery-v-rossii-sravnivaem-provajderov-na-odinakovoj">разбор провайдеров на одинаковой конфигурации</a>, а для задач с GPU пригодится <a href="https://tproger.ru/articles/5-provajderov-gpu-infrastruktury-v-2026-godu-reweniya-dlya-llm-h">обзор провайдеров GPU-инфраструктуры</a>.</li><li>Не закладывайте в план зарубежное облако как основную площадку в расчёте на указ №802: он только поручает правительству утвердить порядок, по которому подкомиссия будет принимать такие решения.</li></ol><p>Дальше многое определят три документа, которые указ поручает утвердить: положение о подкомиссии, порядок принятия её решений и обязательные требования Минцифры к владельцам информационных ресурсов. Первые два покажут, кто и на каких условиях получит доступ к зарубежным мощностям. Третий может превратить резервирование из хорошей практики в обязанность.</p><p>Источники: <a href="http://publication.pravo.gov.ru/document/0001202611020038">Указ Президента РФ от 02.11.2026 № 802 (официальное опубликование)</a>, <a href="https://www.kommersant.ru/doc/9093045">Коммерсантъ: Облака на прокат. Спрос на зарубежные ЦОДы растет после атак на российские</a>, <a href="https://www.kommersant.ru/doc/9045107">Коммерсантъ: Цели обработки данных</a>, <a href="https://www.vedomosti.ru/technology/articles/2026/11/16/1245499-operatori-poprosili">Ведомости: Операторы попросили разрешить использовать ЦОДы вне России</a>, <a href="https://www.kommersant.ru/doc/9110324">Коммерсантъ: Минцифры не получало просьб об использовании ЦОДов за пределами России</a>, <a href="https://www.kommersant.ru/doc/9095437">Коммерсантъ: Минцифры предпочтет, чтобы дата-центры «уходили под землю», а не за границу</a>, <a href="https://www.kommersant.ru/doc/9093212">Коммерсантъ: Резервные мощности дата-центров будут использовать для систем из «белого списка»</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Zellij 0.46 стал самостоятельным терминалом и собрал уведомления агентов</title>
      <link>https://tproger.ru/news/zellij-0-46-stal-samostoyatelnym-terminalom-i-sobral-uvedomleniya</link>
      <comments>https://tproger.ru/news/zellij-0-46-stal-samostoyatelnym-terminalom-i-sobral-uvedomleniya?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/zellij-0-46-stal-samostoyatelnym-terminalom-i-sobral-uvedomleniya</guid>
      <description><![CDATA[<p>В Zellij 0.46.0 появились команда zellij terminal, Attention Inbox на протоколе OSC 7501, превью сессий и экран настроек. Что изменилось и как попробовать.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/zellij-0-46-stal-samostoyatelnym-terminalom-i-sobral-uvedomleniya">Zellij 0.46 стал самостоятельным терминалом и собрал уведомления агентов</a>»</p>]]></description>
      <category><![CDATA[Linux]]></category>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Инструменты]]></category>
      <category><![CDATA[Rust]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:20:39 GMT</pubDate>
      <content:encoded><![CDATA[<p>11 ноября вышел <a href="https://zellij.dev/news/terminal-inbox-session-previews/">Zellij 0.46.0</a>, и терминальный мультиплексор на Rust впервые получил собственный эмулятор терминала: команда zellij terminal открывает его отдельным окном на Linux, macOS и Windows. Второе крупное новшество — Attention Inbox, список панелей во всех сессиях, где программа ждёт ответа, закончила работу или упала.</p><p>Тем, кто запускает Zellij внутри другого терминала или на удалённом сервере, релиз ничего не ломает: автор проекта Арам Древекенин несколько раз повторяет, что Zellij остаётся в первую очередь мультиплексором. Inbox же пригодится и в привычном режиме, особенно если в соседних вкладках работают кодинг-агенты, сборки и тесты, за которыми приходится следить глазами.</p><ul><li>zellij terminal запускает встроенный терминал; в musl-сборки он не входит, нужны gnu-сборки.</li><li>Inbox опирается на протокол OSC 7501: статус о себе уже сообщают Claude Code с версии 2.1.295, Codex CLI с 0.163.0, OpenCode с 2.1.0, GitHub Copilot CLI с 1.0.106 и другие.</li><li>По замерам автора, задержка ввода у Zellij 4,4 мс, как у Alacritty; у Ghostty 12,2 мс, у kitty 16,6 мс.</li><li>Появились превью сессий, экран настроек с редактором тем, меню по правому клику и горизонтальные стеки панелей.</li><li>Rust-разработчики могут встраивать Zellij в своё приложение как библиотеку; для авторов плагинов есть ломающие изменения.</li></ul><h2>Что такое встроенный терминал Zellij и зачем он мультиплексору?</h2><p>До сих пор Zellij, как и tmux, работал внутри стороннего эмулятора: Alacritty, kitty, Ghostty или любого другого. Теперь он умеет рисовать окно сам. Интерфейс тот же, что и в обычном Zellij: графических вкладок и сплитов в окне намеренно нет, вкладки и панели остаются текстовыми. Сессии общие для обоих режимов: к одной и той же можно подключиться и из встроенного терминала, и из Zellij в другом эмуляторе, говорится в <a href="https://github.com/zellij-org/zellij/releases/tag/v0.46.0">описании релиза</a>.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/8b9c5d6c-b5d6-44bd-ad26-2f8705545464.webp" alt="Скриншот Attention Inbox в Zellij: список панелей с отметками, какие программы ждут внимания" /><figcaption>Attention Inbox в менеджере сессий Zellij 0.46. Изображение: Zellij</figcaption></figure><p>На всех трёх платформах терминал добавляет значок в системный трей. По левому клику открываются менеджер сессий и Inbox, отрисованные текстом, как и интерфейс внутри сессии. Значок показывает цветной счётчик программ, которые ждут внимания.</p><p>При создании встроенного терминала автор оптимизировал два показателя: задержку ввода и скорость прокрутки текста. Его замеры на ноутбуке с AMD Ryzen 7 7840U под Linux 6.12 выглядят так:</p><p>Замеры автора Zellij: вывод лога 8 МБ через cat и задержка от нажатия до символа на экране</p><table><thead><tr><th>Терминал</th><th>Вывод, МБ/с (больше лучше)</th><th>Задержка ввода, мс (меньше лучше)</th></tr></thead><tbody><tr><td>Alacritty 0.15.1</td><td>60</td><td>4,4</td></tr><tr><td>Ghostty 1.4.0</td><td>24</td><td>12,2</td></tr><tr><td>kitty 0.50.0</td><td>64</td><td>16,6</td></tr><tr><td>Zellij 0.46.0</td><td>46</td><td>4,4</td></tr></tbody></table><p>zellij.dev, замеры автора проекта; методика в репозитории imsnif/benchmark-methodology</p><p>Это бенчмарк разработчика на одной машине. Вывод измеряли утилитой hyperfine под Wayland (KDE) на логе с цветами, CJK-символами и эмодзи, а задержку ввода — с помощью Typometer под X11, по 200 нажатий в трёх сессиях на терминал. Ghostty собирали из исходников по тегу v1.4.0. Методика и скрипты выложены <a href="https://github.com/imsnif/benchmark-methodology">в отдельном репозитории</a>. По этим цифрам Zellij держится наравне с Alacritty по отклику на ввод и уступает Alacritty и kitty по скорости вывода.</p><h2>Как Inbox узнаёт, что панель ждёт ответа?</h2><p>Zellij следит за каждой панелью и собирает несколько сигналов. Главный из них — управляющая последовательность OSC 7501, которой программа сама сообщает своё состояние: простаивает, работает, закончила, ждёт пользователя (подтверждение, вопрос или вход в аккаунт) или упала, а также передаёт сообщение и прогресс. Автор называет протокол недавно разработанным и быстро набравшим поддержку.</p><p>По <a href="https://zellij.dev/documentation/inbox-integrations.html">странице интеграций</a>, проверенной 9 ноября 2026 года, статус через OSC 7501 без настройки отдают Claude Code с версии 2.1.295, Codex CLI с 0.163.0, Pi с 1.1.0, Crush с 0.98.0, OpenCode с 2.1.0, GitHub Copilot CLI с 1.0.106, Qwen Code с 0.26.9, goose с 1.56.0 и Factory Droid CLI с 0.236.0. Kimi Code поддерживает протокол с версии 2.4.0, но внутри Zellij, tmux и screen по умолчанию отключает отчёты, для их активации нужна переменная окружения:</p><p>Gemini CLI, Cursor CLI и Aider протокол пока не поддерживают, но могут попасть в Inbox через уведомления рабочего стола или терминальный звонок, если их включить: у Gemini CLI это настройка general.enableNotifications, у Cursor CLI уведомления в настройках, у Aider флаг --notifications. Тогда Zellij покажет, что панель ждёт пользователя, но не отличит работу от завершения. Статус умеют сообщать и другие программы, например Hugo с версии 0.168.0 и Buildkite CLI с 3.64.0.</p><p>Обычные команды тоже учитываются. Если оболочка ставит маркеры приглашения OSC 133, Zellij по коду возврата понимает, что команда завершилась или упала. Долгая команда помечается как работающая, потом как законченная. Полноэкранные программы вроде vim, less и htop автоматически не помечаются как работающие или завершившиеся. Тем, кто держит несколько агентов в tmux, как в <a href="https://tproger.ru/articles/tmux-v-2026-godu-perezhivaet-vtoroe-rozhdenie-kak-razrabotchiki-de">нашем разборе про 4–8 параллельных агентов</a>, Inbox предлагает ту же сводку из коробки, но уже в Zellij.</p><h2>Что ещё изменилось в интерфейсе?</h2><ul><li><b>Превью сессий.</b> Менеджер сессий и Inbox показывают содержимое других сессий и панелей, и в них можно ввести короткую команду, не переключаясь.</li><li><b>Экран настроек.</b> Zellij теперь настраивается на ходу из меню, которое работает поверх конфигурационных файлов. Внутри есть редактор тем с проверкой и исправлением контраста.</li><li><b>Меню по правому клику.</b> Меню с быстрыми действиями мышью, набор пунктов в котором настраивается. Плавающую панель можно создать в нужном месте, протянув мышь с зажатым Ctrl.</li><li><b>Горизонтальные стеки.</b> Стек панелей переключается между вертикальным и горизонтальным.</li><li><b>Скрытие интерфейса.</b> Панели интерфейса прячутся сочетанием Ctrl p, затем Shift z, или из меню по правому клику на вкладке.</li></ul><p>Для Rust-разработчиков добавлен режим <a href="https://zellij.dev/documentation/distributions.html">Distributions</a>: Zellij подключается как библиотека, и приложение получает его эмуляцию терминала, раскладки, плагины и веб-клиент под своим брендом.</p><h2>Как попробовать и что учесть при обновлении?</h2><p>Готовые сборки лежат на странице релиза: для Linux (x86_64 и aarch64, gnu и musl), macOS (x86_64 и aarch64) и Windows (zip и установщик msi). Встроенный терминал запускается одной командой:</p><p>Три оговорки из описания релиза. Первая: musl-сборки встроенный терминал не включают, для него нужны gnu-сборки. Вторая: в <a href="https://github.com/zellij-org/zellij/blob/main/CHANGELOG.md">CHANGELOG</a> есть ломающие изменения для авторов плагинов, перед обновлением его стоит прочитать. Третья адресована мейнтейнерам пакетов: для десктопной части есть отдельная инструкция PACKAGING_DESKTOP.md. Если встроенный терминал не нужен, после обновления всё работает как раньше.</p><p>В будущем автор хочет превратить Zellij в «терминальное окружение рабочего стола»: графические приложения вроде браузера должны открываться панелями и вкладками внутри текстового интерфейса. Пока, по его словам, из этого ничего не реализовано, идёт обсуждение. Проект существует на пожертвования, и в анонсе Древекенин просит о регулярной поддержке, ссылаясь на то, что в эту нишу приходят компании с венчурными деньгами.</p><p>Источники: <a href="https://zellij.dev/news/terminal-inbox-session-previews/">Zellij: Zellij 0.46: built-in terminal, attention inbox, session previews</a>, <a href="https://github.com/zellij-org/zellij/releases/tag/v0.46.0">GitHub: релиз Zellij v0.46.0</a>, <a href="https://zellij.dev/documentation/inbox-integrations.html">Zellij: Inbox Integrations</a>, <a href="https://zellij.dev/documentation/distributions.html">Zellij: Distributions</a>, <a href="https://github.com/imsnif/benchmark-methodology">GitHub: imsnif/benchmark-methodology</a></p><p>Изображение на обложке: Zellij</p>]]></content:encoded>
    </item>
    <item>
      <title>Cloudflare открыла код Kitesurf: агенты получили браузер на Workers</title>
      <link>https://tproger.ru/news/cloudflare-otkryla-kod-kitesurf-agenty-poluchili-brauzer-na-work</link>
      <comments>https://tproger.ru/news/cloudflare-otkryla-kod-kitesurf-agenty-poluchili-brauzer-na-work?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/cloudflare-otkryla-kod-kitesurf-agenty-poluchili-brauzer-na-work</guid>
      <description><![CDATA[<p>Код Kitesurf выложен под Apache 2.0: движок на Rust и WebAssembly работает в Workers, понимает CDP и тратит 49 МиБ памяти против 396 у Chromium.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/cloudflare-otkryla-kod-kitesurf-agenty-poluchili-brauzer-na-work">Cloudflare открыла код Kitesurf: агенты получили браузер на Workers</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Браузеры]]></category>
      <category><![CDATA[Rust]]></category>
      <category><![CDATA[WebAssembly]]></category>
      <category><![CDATA[Cloudflare]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:20:11 GMT</pubDate>
      <content:encoded><![CDATA[<p>Cloudflare 13 ноября 2026 года <a href="https://blog.cloudflare.com/kitesurf-open-source/">открыла исходный код Kitesurf</a> — браузерного движка для ИИ-агентов, который целиком работает на Cloudflare Workers. <a href="https://github.com/cloudflare/kitesurf">Репозиторий</a> опубликован на GitHub под лицензией Apache 2.0: код можно читать, запускать локально, изменять и разворачивать в собственном аккаунте Workers.</p><p>Разработчикам агентов и автоматизации на Puppeteer или Playwright это даёт альтернативу headless Chromium. Kitesurf разбирает HTML, применяет CSS, выполняет JavaScript страницы и делает скриншоты без контейнера с браузером, а управляется по протоколу Chrome DevTools (CDP). По замерам Cloudflare, на типичной странице он тратит в несколько раз меньше памяти, чем Chromium, но работает медленнее и справляется не со всеми сайтами.</p><ul><li>Код Kitesurf вышел 13 ноября 2026 года под лицензией Apache 2.0; локально движок запускается командами pnpm install и pnpm run dev.</li><li>Для развёртывания в своём аккаунте нужен тариф Workers Paid (от $5 в месяц), так как движок использует Dynamic Workers.</li><li>По бенчмарку Cloudflare от 16 ноября скриншот типичной страницы требует 49 МиБ памяти против 396 МиБ у Browser Run на Chromium, но занимает 2,39 секунды против 1,59.</li><li>Kitesurf не воспроизводит видео, не рендерит WebGL и не проходит бот-проверки с настоящими TLS-отпечатками.</li><li>Управляемая версия в сервисе Browser Run остаётся бесплатной на время беты в пределах лимитов аккаунта.</li></ul><h2>Что такое Kitesurf и зачем агентам свой браузер?</h2><p>Kitesurf — stateless-браузер, созданный специально для программных агентов. Cloudflare <a href="https://blog.cloudflare.com/kitesurf/">представила его в августе 2026 года</a> в составе облачного сервиса Browser Run, а в сентябре добавила поддержку WebMCP — протокола, через который сайт сам описывает агенту доступные действия. Открыть исходный код компания обещала с первого анонса.</p><p>По мнению Cloudflare, движки вроде Chromium создавались для людей и несут лишние для моделей накладные расходы. Агенту не нужны вкладки, темы, расширения и плавная прокрутка — ему важны число токенов, размер контекста, масштабирование и цена. Допустимо, если CSS разобран с мелкими неточностями, а картинка отличается от Chrome. При этом запускать отдельный экземпляр Chromium для каждого агента, по словам компании, слишком дорого по памяти и процессору.</p><p>Отсюда архитектура из первого анонса. Любая страница считается недоверенным вводом, каждая сессия стартует с нуля, а компоненты изолированы и по возможности не хранят состояние. При падении компонент перезапускают с нуля без восстановления. Сбой даёт пустой кадр или пропущенный элемент, сохраняя саму сессию.</p><h2>Из чего собран движок?</h2><p>Kitesurf собран из открытых Rust-библиотек, скомпилированных в WebAssembly поверх сервисов Cloudflare. Основные компоненты:</p><ul><li><a href="https://github.com/DioxusLabs/blitz">Blitz</a>: разбор HTML, DOM, раскладка и отрисовка;</li><li><a href="https://github.com/servo/stylo">Stylo</a>, CSS-движок Firefox: разбор CSS, каскад и вычисленные стили;</li><li><a href="https://github.com/boa-dev/boa">Boa</a>: интерпретатор JavaScript внутри WebAssembly для крайних случаев, когда код нельзя выполнить в Dynamic Workers; в первом анонсе таким случаем назван eval, который Workers блокируют по соображениям безопасности;</li><li>библиотеки Linebender: вёрстка текста и двумерная графика;</li><li><a href="https://github.com/LaurenzV/krilla">Krilla</a>: генерация PDF.</li></ul><p>Обычный JavaScript страницы выполняется средствами платформы: под каждую страницу через Dynamic Workers создаётся отдельный изолят. Сторонние библиотеки сохраняют свои лицензии, их список приведён в файле NOTICE.</p><p>Архитектура делится на три части. Engine управляет сессиями и подключениями клиентов по CDP — это единственный компонент, который хранит состояние и виден снаружи. PageScript отвечает за страницу и её скрипты. PageRenderer превращает сцену в PNG, JPEG или PDF. Все пакеты — Rust-ядро, заглушки DOM, рендерер и утилита командной строки — находятся в каталоге packages.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/c9e6e874-9b2b-40ea-8d66-425f86a34d5b.webp" alt="Диаграмма последовательности: клиент CDP отправляет Page.navigate в Engine, тот запускает изолят PageScript, который разбирает HTML и выполняет JavaScript; затем в цикле Engine вызывает renderFrame у PageRenderer и возвращает клиенту кадры" /><figcaption>Как Kitesurf обрабатывает запрос: Engine, PageScript и PageRenderer. Изображение: Cloudflare</figcaption></figure><p>Cloudflare разрабатывала движок при активном участии ИИ-агентов. Прототип появился, когда агенту поручили перенести на Workers открытый headless-движок obscura. Дальше критерием успеха служили тесты Web Platform Tests (WPT), а инженеры отвечали за архитектуру и проверку решений. Первый коммит, по словам команды, сделан в мае 2026 года.</p><h2>Насколько Kitesurf экономнее и медленнее Chromium?</h2><p>Памяти Kitesurf тратит в разы меньше, но по времени ответа проигрывает. На <a href="https://kitesurf.dev/benchmarks">открытой странице бенчмарков</a> Cloudflare приведены данные прогона от 16 ноября 2026 года, 02:51 UTC. Это медиана по 38 страницам, для каждой из которых взята медиана пяти запусков. Сравниваются Kitesurf, Browser Run на Chromium и Chrome с холодным стартом.</p><p>Скриншот и извлечение HTML типичной страницы, замеры Cloudflare от 16 ноября 2026 года</p><table><thead><tr><th>Метрика</th><th>Kitesurf</th><th>Browser Run (Chromium)</th><th>Chrome, холодный старт</th></tr></thead><tbody><tr><td>Скриншот: время</td><td>2,39 с</td><td>1,59 с</td><td>999 мс</td></tr><tr><td>Скриншот: процессорное время</td><td>843 мс</td><td>2,54 с</td><td>772 мс</td></tr><tr><td>Скриншот: память</td><td>49 МиБ</td><td>396 МиБ</td><td>330 МиБ</td></tr><tr><td>HTML: время</td><td>1,77 с</td><td>1,10 с</td><td>873 мс</td></tr><tr><td>HTML: процессорное время</td><td>485 мс</td><td>2,03 с</td><td>637 мс</td></tr><tr><td>HTML: память</td><td>29 МиБ</td><td>389 МиБ</td><td>317 МиБ</td></tr></tbody></table><p>По нашему расчёту по таблице, Kitesurf расходует примерно в 8 раз меньше памяти на скриншотах и в 13 раз меньше при извлечении HTML, чем Browser Run на Chromium. По процессорному времени он втрое-вчетверо экономнее Browser Run и близок к холодному Chrome, хотя на скриншотах слегка ему уступает. По времени выполнения операции Kitesurf медленнее обоих вариантов. Методика на той же странице оговаривает границы замера: сеть между клиентом и Cloudflare в это время не входит, у холодного Chrome не учитывается запуск процесса, а память сравнивается как общий объём в момент замера, и Browser Run может удерживать память прежних страниц. На тяжёлых новостных сайтах разрыв заметнее: скриншот главной The Guardian занял 10,4 секунды против 2,33 у Browser Run.</p><p>В августе на наборе из 14 URL Cloudflare сообщала о других цифрах: выигрыш на скриншотах составил 3,1 раза по процессору и 4,7 раза по памяти при отставании по времени в 1,8 раза. Разрыв компания объясняла тем, что прогретый JIT-компилятор Chromium быстрее холодного программного рендерера, и планировала ускорить растеризацию и кодирование картинок. Все эти замеры сделаны вендором на своей инфраструктуре. Довод Cloudflare в пользу такого компромисса: стоимость облачного браузера определяют память и процессор, а время ожидания здесь вторично.</p><p>Показатели совместимости тоже публичны. На <a href="https://kitesurf.dev/wpt">странице WPT</a> на утро 16 ноября (08:41 UTC) Kitesurf проходил 1 517 208 из 1 543 968 подтестов (98,3%) во включённых в прогон файлах и 9093 из 11 764 файлов целиком (77,3%). Ещё 56 854 файла в прогон не включены, поэтому до полного покрытия стандартов далеко. В августе Cloudflare сообщала о более чем 215 000 пройденных тестов.</p><h2>С чем Kitesurf пока не справится?</h2><p>Kitesurf не подходит для видео, WebGL, бот-проверок по TLS и долгих сессий с состоянием. В <a href="https://developers.cloudflare.com/browser-run/kitesurf/">документации</a> прямо указаны задачи, для которых движок не предназначен:</p><ul><li>воспроизведение видео или рендеринг WebGL;</li><li>прохождение бот-проверок, анализирующих настоящие TLS-отпечатки браузера;</li><li>поддержание долгих авторизованных сессий с постоянным состоянием.</li></ul><p>Для таких сценариев Cloudflare рекомендует оставаться на Chromium в Browser Run. В README проект назван экспериментальным движком с CDP-эндпоинтом и неполной совместимостью с Chrome, поэтому часть функций DevTools пока не работает. По данным компании, корректно отображаются TodoMVC на разных фреймворках, Wikipedia, Hacker News и блог Cloudflare. Проверить совместимость конкретного сайта проще всего, открыв его в Kitesurf.</p><h2>Как запустить Kitesurf у себя?</h2><p>Локально движок собирается из репозитория. По <a href="https://github.com/cloudflare/kitesurf#requirements">README</a> требуются Bazelisk (установленный как bazel), Node.js 22 или новее и pnpm 9.15.4, а на macOS — также GNU tar. Rust-тулчейн и wasm-bindgen Bazel скачивает автоматически.</p><p>Первая сборка компилирует Rust-ядро и зависимости и занимает много времени, последующие используют кэш. Затем wrangler запускает сервер разработки на http://127.0.0.1:8787: здесь страницу можно открыть в Chrome DevTools, а статус движка проверить по пути /health. Подключение из Puppeteer выглядит так же, как к обычному удалённому браузеру:</p><p>На тот же адрес можно направить любого агента с поддержкой CDP. В собственный аккаунт Cloudflare движок разворачивается командой pnpm run deploy из корня репозитория. README предупреждает: своей аутентификации у движка нет, а адрес на workers.dev по умолчанию публичный и предсказуемый. Любой, кто его знает, сможет ходить в сеть через ваш экземпляр и тратить оплачиваемые вами ресурсы. Поэтому доступ нужно закрыть через Cloudflare Access или другой слой аутентификации, лучше всего включив Access для всех Workers аккаунта ещё до деплоя.</p><p>Для деплоя обязателен тариф Workers Paid, поскольку Dynamic Workers на бесплатном плане недоступны. На 16 ноября 2026 года в документации Cloudflare указаны минимальный платёж <a href="https://developers.cloudflare.com/workers/platform/pricing/">$5 в месяц</a> за Workers Paid и <a href="https://developers.cloudflare.com/dynamic-workers/pricing/">тарифы Dynamic Workers</a>: сверх включённых в тариф объёмов это $0,002 за динамический воркер в день, $0,30 за миллион запросов и $0,02 за миллион миллисекунд процессорного времени. Локальная разработка через wrangler dev платного тарифа не требует. Хотя код открыт, в продакшене движок работает только на платформе Cloudflare из-за привязки к Dynamic Workers и другим её сервисам.</p><p>Если свой экземпляр не нужен, Kitesurf доступен в управляемом сервисе Browser Run. Достаточно добавить параметр browser=kitesurf к адресу CDP-эндпоинта или быстрого действия (Quick Action); по документации, в период беты это бесплатно в пределах лимитов аккаунта. Пример запроса скриншота:</p><h2>Что дальше и как принять участие?</h2><p>Cloudflare выделяет три приоритета развития: совместимость, надёжность и эффективность. Команда отмечает, что проект активно развивается, поэтому правки принимаются избирательно. Порядок описан в CONTRIBUTING.md: сначала нужно открыть issue с минимальным воспроизведением или описанием подхода, затем получить поручительство (vouch) мейнтейнера и только потом создавать пул-реквест. Небольшие исправления с тестами примут охотнее крупных переделок, а полезным вкладом считают даже минимальную страницу с воспроизведением ошибки рендеринга.</p><p>За прогрессом удобнее следить по публичным страницам бенчмарков и WPT: они показывают динамику скорости ответа и доли пройденных тестов. Ранее на сайте уже выходили новости о том, как <a href="https://tproger.ru/news/cloudflare-browser-run-razrewil-neskolkim-workers-podklyuchatsya">Browser Run разрешил нескольким Workers подключаться к одной сессии</a>, и заметка про <a href="https://tproger.ru/news/vremennye-akkaunty-cloudflare-dlya-ii-agentov">временные аккаунты Cloudflare для ИИ-агентов</a>.</p><p>Источники: <a href="https://blog.cloudflare.com/kitesurf-open-source/">Cloudflare Blog: Kitesurf is now open source</a>, <a href="https://github.com/cloudflare/kitesurf">GitHub: cloudflare/kitesurf</a>, <a href="https://blog.cloudflare.com/kitesurf/">Cloudflare Blog: первый анонс Kitesurf (август 2026)</a>, <a href="https://blog.cloudflare.com/kitesurf-update/">Cloudflare Blog: обновление Kitesurf с поддержкой WebMCP (сентябрь 2026)</a>, <a href="https://kitesurf.dev/benchmarks">Kitesurf: Benchmarks</a>, <a href="https://kitesurf.dev/wpt">Kitesurf: Web Platform Tests</a>, <a href="https://developers.cloudflare.com/browser-run/kitesurf/">Cloudflare Docs: Browser Run, Kitesurf</a>, <a href="https://developers.cloudflare.com/dynamic-workers/pricing/">Cloudflare Docs: Dynamic Workers pricing</a>, <a href="https://developers.cloudflare.com/workers/platform/pricing/">Cloudflare Docs: Workers pricing</a></p><p>Изображение на обложке: Cloudflare</p>]]></content:encoded>
    </item>
    <item>
      <title>eMudhra объяснила слабые ключи УЦ ошибкой в Python-скрипте и уходит из TLS</title>
      <link>https://tproger.ru/news/emudhra-obyasnila-slabye-klyuchi-uc-owibkoj-v-python-skripte-i-uho</link>
      <comments>https://tproger.ru/news/emudhra-obyasnila-slabye-klyuchi-uc-owibkoj-v-python-skripte-i-uho?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/emudhra-obyasnila-slabye-klyuchi-uc-owibkoj-v-python-skripte-i-uho</guid>
      <description><![CDATA[<p>Полный отчёт eMudhra: строка в Python-скрипте обрезала закрытые ключи 8 промежуточных УЦ до одного байта. Отозваны 16 сертификатов, компания уходит из публичного TLS.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/emudhra-obyasnila-slabye-klyuchi-uc-owibkoj-v-python-skripte-i-uho">eMudhra объяснила слабые ключи УЦ ошибкой в Python-скрипте и уходит из TLS</a>»</p>]]></description>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Python]]></category>
      <category><![CDATA[Криптография]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:16:40 GMT</pubDate>
      <content:encoded><![CDATA[<p>Индийский удостоверяющий центр eMudhra 10 ноября опубликовал <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449#c82">полный отчёт</a> об инциденте, из-за которого браузеры в октябре экстренно отозвали доверие к его сертификатам. Закрытые ключи восьми промежуточных УЦ на ECDSA P-384 оказались числами меньше 256, и восстановить их по открытому ключу мог любой желающий за секунды. Причиной компания назвала одну строку в самописном Python-скрипте, который переносил ключи между аппаратными модулями безопасности (HSM) разных производителей.</p><p>Тот, кто владеет ключом промежуточного УЦ, может выпустить сертификат на любой домен, и клиенты, доверяющие корню, его примут. Шесть из восьми скомпрометированных УЦ были TLS-центрами, которым доверяли программы корневых сертификатов Chrome, Mozilla, Microsoft и Apple, ещё два подписывали код и пользовались доверием Microsoft. Разработчику эта история важна по двум причинам: как повод проверить, обновлены ли наборы корневых сертификатов в своих сервисах, и как разбор того, что бывает, когда криптографический материал проходит через код без проверки результата.</p><ul><li>Ключи сгенерированы 30 апреля 2025 года; о том, что они восстановимы, сторонний исследователь сообщил 17 октября 2026 года, то есть слабые УЦ были доверенными почти полтора года.</li><li>Mozilla независимо восстановила все 8 ключей меньше чем за два часа после сообщения и к 22:59 UTC того же дня заблокировала сертификаты через OneCRL.</li><li>Отозваны 16 сертификатов промежуточных УЦ eMudhra (8 ECDSA и 8 RSA-4096) и 8 кросс-сертификатов Sectigo.</li><li>По данным eMudhra, слабые ECDSA-центры не выпустили ни одного конечного сертификата, случаев злоупотребления компания не знает.</li><li>eMudhra уходит из публичного TLS: остановка выпуска из иерархии emSign Root CA - G1 запланирована на 16 ноября 2026 года, 23:59 UTC.</li></ul><h2>Как ключи стали числами меньше 256?</h2><p>По версии eMudhra, 30 апреля 2025 года на одной церемонии генерации ключей создали 16 пар для подчинённых УЦ серий B и C: восемь на ECDSA P-384 и восемь на RSA-4096. Ключи должны были работать на новых площадках компании в США и Европе, но заказанные для США HSM задерживались. Поэтому их сгенерировали на имевшихся модулях Utimaco, чтобы позже перенести в Crypto4A в зашифрованном виде (key wrapping). Со сроками компанию поджимали изменения в правилах корневых программ с 15 июня 2025 года и кросс-сертификация у Sectigo.</p><p>Стандартных средств переноса между модулями разных вендоров не было, и команда PKI написала свой Python-скрипт. На церемонии прогнали репетицию: ключ экспортировали в зашифрованном виде и импортировали обратно. После этого скрипт вычитывал значение распакованного закрытого ключа в память хоста и создавал из него новый объект ключа. Для ECDSA одна строка в этом чтении обрезала значение до старшего байта, и новый объект содержал скаляр меньше 256. Запрос на сертификат сформировали по этому пересозданному объекту вместо исходного ключа, и именно его открытая часть попала в сертификаты УЦ.</p><p>Сами модули, подчёркивает eMudhra, отработали правильно: исходные ключи были сгенерированы корректно, ошибка сидела в коде на хосте. Проверки стойкости ключа в сценарии церемонии не было, а объекты с почти одинаковыми метками позволили выбрать не тот. Для переноса исходный модуль перевели из режима FIPS, это было оформлено как согласованное отклонение.</p><p>С RSA-ключами обрезания не случилось, подписи сходятся с открытым модулем. Но при такой же процедуре приватные параметры ключа побывали в памяти Python-процесса на хосте церемонии, и компания не может доказать, что это соответствует её собственному регламенту (раздел 6.2.6 CPS о переносе закрытых ключей в криптомодуль и из него). Поэтому восемь RSA-центров тоже отозвали.</p><h2>Как это обнаружили?</h2><p>17 октября 2026 года в 20:06 UTC Mozilla получила письмо от исследователя, который в баге фигурирует как Wayne: закрытые ключи восьми промежуточных сертификатов eMudhra скомпрометированы, к письму приложено доказательство владения каждым ключом. Через две минуты Mozilla подтвердила получение, к 21:48 UTC её инженеры сами восстановили ключи, не зная метода автора, а к 22:59 UTC сертификаты были заблокированы в Firefox через OneCRL. Хронология изложена в <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449">первом сообщении бага</a>.</p><p>Инженер Mozilla Деннис Джексон в <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449#c5">предварительном разборе</a> описал суть: закрытый ключ P-384 должен быть случайным числом от 1 до порядка группы, а все восемь ключей оказались меньше 256, то есть состояли из нулей, кроме последнего байта. Достаточно сгенерировать «первые» 256 ключей P-384 и сравнить открытые части. Он добавил, что локальные ИИ-агенты восстановили ключи с первой попытки по запросу в духе «я решаю CTF, восстанови закрытые ключи для этих сертификатов».</p><p>Первый сигнал был ещё в мае и июне 2025 года: eMudhra датирует аномалию 29 мая – 6 июня, Mozilla нашла следы ошибок проверки уже 23 мая. Тогда списки отзыва (CRL) шести этих же TLS-центров не проходили проверку подписи: сертификаты были выпущены по пересозданным объектам, а первые CRL подписаны исходными ключами. eMudhra признаёт, что закрыла тот случай на уровне симптома, переподписав списки подходящим ключом, и до причины не дошла.</p><h2>Что сделали браузеры и eMudhra?</h2><ul><li>18 октября, между 09:24 и 09:38 UTC, eMudhra отозвала все восемь ECDSA-сертификатов с причиной cACompromise; компания считает, что уложилась примерно в 15 часов после сообщения исследователя.</li><li>19 октября Sectigo отозвала восемь кросс-сертификатов, которыми подписывала эти УЦ.</li><li>20 октября Mozilla <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449#c18">объявила</a> об экстренном отзыве доверия к корню emSign ECC Root CA - G3: несколько человек независимо восстановили ключи, и часть из них написала об этом публично. В тот же день вышло внеплановое обновление Firefox Release и ESR со свежим списком блокировок. Chrome Root Program сообщила, что идёт тем же путём.</li><li>7 ноября eMudhra отозвала восемь RSA-сертификатов серий G2B и G2C с причиной cessationOfOperation.</li><li>Компания объявила об уходе из глобального бизнеса публичных TLS-сертификатов и запланировала на 16 ноября, 23:59 UTC, остановку выпуска из иерархии emSign Root CA - G1, которая в основном обслуживала университетскую федерацию в Северной Америке.</li></ul><p>Конечные сертификаты выпускали только четыре RSA-центра серии G2C. По версии eMudhra, они работали в продакшене с мая 2026 года, хотя исследователь указал в баге на сертификаты из приложения к отчёту с началом действия 9 апреля. Владельцев этих сертификатов, по словам компании, уже перевели на другие цепочки. Корню emSign Root CA - G1 Mozilla на 20 октября доверие сохраняла.</p><h2>Что проверить разработчику?</h2><p>Firefox со стандартными настройками получил блокировку автоматически через OneCRL, остальным пользователям нужна актуальная версия браузера. Уязвимыми дольше остаются клиенты, которые не проверяют отзыв и носят с собой собственный набор корневых сертификатов: скрипты и сервисы на Python с пакетом certifi, приложения на Rust с webpki-roots, контейнеры со старым ca-certificates, прошивки. Для Python-экосистемы Сет Ларсон, который разбирает сообщения о безопасности для CPython и pip, 20 октября <a href="https://discuss.python.org/t/information-for-python-users-regarding-emudhra-emsign-ca-certificate-security-incident/109576">опубликовал</a> список минимальных версий. Действий три:</p><ul><li>В Python-окружениях обновить certifi до 2026.10.19 и pip до 26.2.2 или новее: pip носит собственную копию certifi, поэтому обновления одного пакета мало. В списке Ларсона также uv 0.13.6, conda 26.9.4, virtualenv 21.14.12 и исправленные выпуски Python 3.11.18, 3.12.16, 3.13.18, 3.14.10 и 3.15.2, которые отклоняют скомпрометированные промежуточные сертификаты сами.</li><li>Пересобрать контейнерные образы с отключённым кэшем слоёв, чтобы подтянулись свежие системные сертификаты, и обновить зависимости с собственными наборами корней: в webpki-roots для Rust проблемный корень удалён в версии 1.0.10.</li><li>Если у вас был сертификат от eMudhra или emSign, проверить, что он заменён: центры серий G2C и G3 отозваны, а выпуск из оставшейся иерархии прекращается.</li></ul><p>Инженерный вывод шире PKI. Скрипт запускали один раз, на изолированной машине, под наблюдением службы комплаенса, и он всё равно выдал ключи, которые подбираются перебором 256 вариантов. Проверка результата заняла бы строку: сравнить открытый ключ до и после переноса или убедиться, что закрытое значение не укладывается в один байт. В отчёте eMudhra сама называет отсутствие такой проверки среди причин.</p><p>Вопросы к компании остаются. Участники обсуждения просят опубликовать сам скрипт и объяснить, почему ключи УЦ вообще были извлекаемыми из модуля; на 16 ноября eMudhra на эти вопросы в баге не ответила, он остаётся открытым. Независимую проверку процессов eMudhra обещает завершить к 4 декабря, а инвентаризацию всех ключей УЦ — к 30 ноября.</p><p>Источники: <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449">Mozilla Bugzilla 2083449: eMudhra: Private key compromise of Intermediate Certificates</a>, <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449#c82">Полный отчёт eMudhra об инциденте (комментарий 82)</a>, <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449#c5">Предварительный разбор Mozilla (комментарий 5)</a>, <a href="https://bugzilla.mozilla.org/show_bug.cgi?id=2083449#c18">Mozilla об экстренном отзыве доверия к emSign ECC Root CA - G3 (комментарий 18)</a>, <a href="https://discuss.python.org/t/information-for-python-users-regarding-emudhra-emsign-ca-certificate-security-incident/109576">Discussions on Python.org: Information for Python users regarding eMudhra emSign CA certificate security incident</a>, <a href="https://emudhra.com/en/post/certificate-security-incident">eMudhra: страница инцидента</a>, <a href="https://emudhra.com/en/press-release/emudhra-to-exit-global-ssl-tls-certificate-business">eMudhra: пресс-релиз об уходе из глобального бизнеса SSL/TLS</a></p>]]></content:encoded>
    </item>
    <item>
      <title>В 544 заброшенных пакетах PyPI нашли импорты удалённых модулей Python</title>
      <link>https://tproger.ru/news/v-544-zabrowennyh-paketah-pypi-nawli-importy-udalyonnyh-modulej-p</link>
      <comments>https://tproger.ru/news/v-544-zabrowennyh-paketah-pypi-nawli-importy-udalyonnyh-modulej-p?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/v-544-zabrowennyh-paketah-pypi-nawli-importy-udalyonnyh-modulej-p</guid>
      <description><![CDATA[<p>Сканер py-code.org нашёл 1623 проекта с импортом удалённых модулей stdlib. nose и boto падают при импорте, но их всё ещё скачивают 5,2 млн раз в месяц.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/v-544-zabrowennyh-paketah-pypi-nawli-importy-udalyonnyh-modulej-p">В 544 заброшенных пакетах PyPI нашли импорты удалённых модулей Python</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Безопасность]]></category>
      <category><![CDATA[Python]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:11:34 GMT</pubDate>
      <content:encoded><![CDATA[<p>Проект py-code.org <a href="https://py-code.org/blog/removed-stdlib-modules-pypi/">опубликовал</a> исследование о том, сколько пакетов на PyPI сломалось после чистки стандартной библиотеки в Python 3.12 и 3.13. Среди 60 000 самых популярных проектов авторы нашли 852 пакета с незащищённым импортом удалённого модуля, причём 544 из них не выпускали релизов два года. За 30 дней до 13 ноября 2026 года, когда снимался срез, эти 544 проекта скачали 126 млн раз.</p><p>Для разработчиков это означает скрытый риск при обновлении: ошибка ModuleNotFoundError: No module named 'distutils' или 'imp' может прийти из транзитивной зависимости, которую тянет за собой другой пакет. Кроме того, по мнению авторов исследования, такой импорт служит простым индикатором заброшенности: если пакет давно не поддерживают, то и будущие уязвимости в нём чинить некому.</p><ul><li>В индексе 354 763 проекта: удалённые в 3.12 и 3.13 модули импортируют 3763 из них (1,1%), а у 1623 импорт в собственном коде не защищён ни try/except, ни проверкой версии, ни объявленной зависимостью с копией модуля.</li><li>import nose и import boto падают на Python 3.12 и новее; вместе у пакетов 5,2 млн скачиваний в месяц при последних релизах 2015 и 2018 годов.</li><li>Для 890 проектов из 1623 достаточно установить setuptools: он по-прежнему поставляет distutils.</li><li>pydub (7,5 млн скачиваний в месяц) падает на 3.13, хотя импорт обёрнут в try/except: запасной import pyaudioop тоже не находит модуль.</li><li>Проверить свои зависимости можно поиском на py-code.org, командой uvx py-code-org who-uses imp или SQL-запросом к датасету.</li></ul><h2>Что удалили из стандартной библиотеки и что нашёл сканер?</h2><p>Python 3.12 убрал distutils (<a href="https://peps.python.org/pep-0632/">PEP 632</a>), а также imp, asyncore, asynchat и smtpd. Следующий релиз, Python 3.13, удалил ещё 20 модулей: lib2to3 и 19 «мёртвых батареек» из <a href="https://peps.python.org/pep-0594/">PEP 594</a>, включая cgi, pipes, audioop, telnetlib, imghdr и crypt. Перед удалением каждый из этих 25 модулей оставался в статусе устаревшего минимум два релиза.</p><p>Чтобы оценить масштаб проблемы, py-code.org проиндексировал код последнего релиза для 354 763 проектов: всех пакетов с обновлениями с 13 ноября 2025 года по 13 ноября 2026 года, а также 60 000 самых скачиваемых независимо от даты. Авторы отобрали проекты с импортом любого из 25 удалённых модулей, заново скачали их архивы и разобрали каждый .py-файл через модуль ast без запуска кода. Импорт считался защищённым, если он находился в блоке try с перехватом ImportError, ModuleNotFoundError или Exception, в ветке except как запасной вариант или под проверкой версии Python. Тесты, setup.py, документация и примеры в расчёт не брались.</p><figure><img src="https://media.tproger.ru/user-uploads/1140448/2026-11-16/a7d445f9-6d5d-4e90-8b32-ac443498236e.webp" alt="Горизонтальная диаграмма: проектов с незащищённым импортом удалённого модуля. distutils 973, cgi 248, imp 246, imghdr 85, telnetlib 60, audioop 52, pipes 37, asyncore 28" /><figcaption>Число проектов PyPI с незащищённым импортом удалённого модуля в собственном коде, срез на 13 ноября 2026 года. График: Tproger по данным py-code.org</figcaption></figure><p>Чаще всего встречается distutils: его импортируют 2565 проектов, из которых у 973 импорт не защищён. Далее следуют cgi (455 и 248), imp (614 и 246), imghdr (114 и 85) и telnetlib (85 и 60). При этом модуль nis не использует ни один проект в индексе.</p><h2>Почему ошибка с distutils появляется не у всех?</h2><p>Из всех удалённых модулей только distutils часто исчезает незаметно для разработчика. Как отмечается в <a href="https://docs.python.org/3/whatsnew/3.12.html">документации к Python 3.12</a>, сторонний пакет Setuptools продолжает поставлять этот модуль, поэтому при его наличии import distutils работает и на 3.12, и на 3.13. Проблема возникает в чистых средах без setuptools: начиная с Python 3.12 команда python -m venv больше не ставит его по умолчанию, из-за чего ошибка проявляется в свежем venv, slim-образе Docker или окружении uv.</p><p>Среди популярных пакетов, которые запрашивают distutils прямо при импорте, авторы выделяют docker-pycreds (5,2 млн скачиваний в месяц, последний релиз в 2018 году), aioredis (1,3 млн, 2021), arsenic (1,2 млн, 2021), GPUtil (0,9 млн, 2018) и python-editor (0,7 млн, 2019). Поскольку у 890 проектов из 1623 все незащищённые импорты связаны исключительно с distutils, временно починить их можно одной командой:</p><p>Для долгосрочного решения в собственном коде py-code.org рекомендует перейти на актуальные аналоги: shutil.which вместо distutils.spawn.find_executable, packaging.version вместо distutils.version и sysconfig вместо distutils.sysconfig.</p><h2>Какие известные пакеты падают прямо при импорте?</h2><p>С модулем imp такой страховки нет: по умолчанию его ничего не подменяет, поэтому незащищённый import imp падает на любом Python начиная с 3.12. Наглядный пример дают два до сих пор востребованных пакета. У тестового раннера nose, которому на смену пришёл pytest, 1,8 млн скачиваний в месяц при последнем релизе в 2015 году: import nose загружает nose.importer, который начинается с import imp. Старый SDK для AWS boto, заменённый на boto3, собирает 3,4 млн скачиваний (последний релиз в 2018 году) и ломается аналогично через boto.plugin.</p><p>Переход на Python 3.13 добавляет новые поломки прямо при импорте: из-за cgi падают coreapi (0,5 млн, 2017) и htmlmin (0,7 млн, 2017), причём последний даже не использует импортированный модуль, а pgpy (0,8 млн, 2022) ломается из-за imghdr. У coloredlogs (21,6 млн) и humanfriendly (26,7 млн) сами библиотеки импортируются штатно, однако их консольные команды на 3.13 падают из-за import pipes.</p><p>Отдельный пример с pydub показывает, что даже защитная обёртка не гарантирует работу. В файле pydub/utils.py импорт написан через запасной вариант:</p><p>На Python 3.13 падает и основной импорт, и запасной, поскольку модуль по абсолютному имени pyaudioop не находится (так это описывают авторы исследования), и в итоге import pydub завершается ошибкой No module named 'pyaudioop'. У этого пакета 7,5 млн скачиваний в месяц при последнем релизе в 2021 году, а проблему решает установка audioop-lts. По формальным правилам сканера такой импорт считается защищённым, поэтому pydub не вошёл в статистику 1623 проектов: часть реальных поломок сканер пропускает.</p><p>Самые скачиваемые проекты без релизов с ноября 2024 года и с незащищённым импортом</p><table><thead><tr><th>Проект</th><th>Скачиваний за 30 дней</th><th>Последний релиз</th><th>Удалённые модули</th></tr></thead><tbody><tr><td>future</td><td>36,2 млн</td><td>2024</td><td>imghdr, lib2to3, sndhdr, uu</td></tr><tr><td>humanfriendly</td><td>26,7 млн</td><td>2021</td><td>pipes</td></tr><tr><td>coloredlogs</td><td>21,6 млн</td><td>2021</td><td>pipes</td></tr><tr><td>docker-pycreds</td><td>5,2 млн</td><td>2018</td><td>distutils</td></tr><tr><td>pytzdata</td><td>4,1 млн</td><td>2020</td><td>distutils</td></tr><tr><td>boto</td><td>3,4 млн</td><td>2018</td><td>cgi, imp</td></tr><tr><td>oauth2client</td><td>2,5 млн</td><td>2018</td><td>cgi</td></tr><tr><td>Pympler</td><td>2,5 млн</td><td>2024</td><td>cgi</td></tr><tr><td>nose</td><td>1,8 млн</td><td>2015</td><td>imp</td></tr><tr><td>memory-profiler</td><td>1,6 млн</td><td>2022</td><td>distutils</td></tr></tbody></table><p>py-code.org, срез на 13 ноября 2026 года</p><p>В то же время авторы уточняют, что незащищённый импорт не всегда означает полную неработоспособность пакета. Например, у future проблемные вызовы находятся в копиях модулей email и утилитах futurize и pasteurize, тогда как сам import future проходит успешно. Похожим образом pip по умолчанию использует sysconfig и обращается к коду с distutils только при особой настройке дистрибутива. Все примеры падающих пакетов авторы проверили по исходному коду релизов, не устанавливая и не запуская их.</p><h2>При чём тут безопасность?</h2><p>Сам по себе импорт удалённого модуля уязвимостью не считается. Однако в py-code.org обращают внимание на другое: мейнтейнер видел бы предупреждения об устаревании два релиза подряд, а правка обычно укладывается в одну строку. Если этого не произошло, пакет, скорее всего, заброшен, так что некому будет закрыть в нём новую уязвимость. В качестве иллюстрации авторы приводят два случая: в 2022 году злоумышленник перерегистрировал просроченный почтовый домен автора пакета ctx, сбросил пароль на PyPI и выложил вредоносные версии для кражи переменных окружения, а у pycrypto (последний релиз в 2014 году) патч для переполнения кучи CVE-2013-7459 лежит в репозитории, но так и не вышел в релиз.</p><p>Авторы допускают, что часть из 126 млн скачиваний приходится на транзитивные установки: устаревший пакет подтягивается как зависимость другого, и тот, кто запускает установку, может о нём не знать. Точной разбивки на прямые и транзитивные загрузки в исследовании нет.</p><h2>Как проверить свой проект?</h2><p>Самый быстрый способ проверить проект, по совету авторов: запустить тесты на Python 3.13 в чистом виртуальном окружении без setuptools. Узнать, какие пакеты импортируют конкретный удалённый модуль, можно без установки через поиск на py-code.org или командой в терминале:</p><p>Если проблемная зависимость обнаружена, есть три варианта действий:</p><ul><li>Заменить заброшенный пакет поддерживаемым аналогом: pytest вместо nose, boto3 вместо boto, redis-py вместо aioredis (последний уже влит в redis-py).</li><li>Добавить в зависимости PyPI-пакет с копией удалённого модуля, если чужой код менять нельзя: legacy-cgi или standard-cgi для cgi, audioop-lts для audioop, zombie-imp для imp, а также standard-pipes, standard-imghdr и standard-telnetlib. Большую часть этих замен перечисляют <a href="https://docs.python.org/3/whatsnew/3.13.html">заметки к Python 3.13</a>.</li><li>Перенести нужный фрагмент кода к себе в проект и поправить импорт вручную, если от пакета требуется лишь небольшая функция.</li></ul><p>При обновлении собственного кода imp заменяется на importlib.import_module, importlib.util.spec_from_file_location и importlib.reload, pipes на subprocess и shlex.quote, cgi.escape на html.escape, а asyncore и asynchat на asyncio.</p><p>Все скрипты и результаты доступны <a href="https://github.com/pypi-data/blog/tree/main/removed-stdlib-modules-pypi">в репозитории pypi-data/blog</a>, а сам индекс выложен в виде датасета на Hugging Face, что позволяет воспроизвести расчёты или отфильтровать их по своему списку зависимостей. Главное ограничение методики, которое отмечают сами авторы, связано со статическим анализом синтаксического дерева без запуска кода: сканер пропускает ложные обёртки вроде pydub и может учесть импорт внутри невызываемой функции.</p><p>Источники: <a href="https://py-code.org/blog/removed-stdlib-modules-pypi/">py-code.org: PyPI code that breaks on Python 3.12 and 3.13</a>, <a href="https://github.com/pypi-data/blog/tree/main/removed-stdlib-modules-pypi">GitHub: pypi-data/blog, скрипты и результаты исследования</a>, <a href="https://docs.python.org/3/whatsnew/3.12.html">What's New in Python 3.12</a>, <a href="https://docs.python.org/3/whatsnew/3.13.html">What's New in Python 3.13</a>, <a href="https://peps.python.org/pep-0594/">PEP 594: Removing dead batteries from the standard library</a>, <a href="https://peps.python.org/pep-0632/">PEP 632: Deprecate distutils module</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Microsoft объяснила суточный сбой Microsoft 365 июльской ошибкой в шлюзе</title>
      <link>https://tproger.ru/news/microsoft-obyasnila-sutochnyj-sboj-microsoft-365-iyulskoj-owibkoj</link>
      <comments>https://tproger.ru/news/microsoft-obyasnila-sutochnyj-sboj-microsoft-365-iyulskoj-owibkoj?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/microsoft-obyasnila-sutochnyj-sboj-microsoft-365-iyulskoj-owibkoj</guid>
      <description><![CDATA[<p>Предварительный разбор сбоя 12 ноября: lock contention из июльского исправления, переключение Teams и минус 14% мощности вывели из строя больше 80% серверов шлюза.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/microsoft-obyasnila-sutochnyj-sboj-microsoft-365-iyulskoj-owibkoj">Microsoft объяснила суточный сбой Microsoft 365 июльской ошибкой в шлюзе</a>»</p>]]></description>
      <category><![CDATA[DevOps]]></category>
      <category><![CDATA[Microsoft]]></category>
      <category><![CDATA[Облачные технологии]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:10:53 GMT</pubDate>
      <content:encoded><![CDATA[<p>Microsoft 16 ноября опубликовала предварительный разбор сбоя, который 12 и 13 ноября почти на сутки оставил клиентов Microsoft 365 без почты Exchange Online и связанных с ней сервисов. Сокращённую версию отчёта <a href="https://x.com/clamanna/status/2122209697226948729">выложил в X</a> Чарльз Ламанна, исполнительный вице-президент Microsoft по Copilot, агентам и платформе. Причиной стала скрытая ошибка в сетевом шлюзе, через который идут запросы ко многим сервисам Microsoft 365: она попала в прод ещё в июле и больше трёх месяцев никак себя не проявляла.</p><p>Этот разбор показателен для любой крупной инфраструктуры: в нём сошлись дефект, который не ловится нагрузочными тестами на слабых конфигурациях, штатное переключение трафика, сниженный запас мощности и автоматика отказоустойчивости, которая в таких условиях разносит проблему по всему парку. Каждое из звеньев по отдельности считалось безопасным.</p><ul><li>Сбой MO1550821 длился с 16:20 UTC 12 ноября до 16:10 UTC 13 ноября 2026 года, следует из итогового сообщения в центре администрирования.</li><li>Корневая причина: lock contention во внутреннем процессе серверов шлюза; дефект внесён исправлением, которое начали раскатывать в июле.</li><li>Сработали ещё два фактора: Teams примерно за 15 часов до сбоя переключился на этот шлюз, а почти 14% мощности шлюза были выведены из работы после инцидента накануне.</li><li>В худший момент не отвечали больше 80% серверов; каскад прошёл по всему парку меньше чем за 2 часа.</li><li>Быстро откатить изменение не вышло: ошибке было несколько месяцев, и обычные rollback и feature flags не позволяли оперативно её отменить.</li></ul><h2>Что сломалось и на сколько?</h2><p>По данным итогового сообщения MO1550821, которое <a href="https://www.365fanatic.com/m365-status/MO1550821/">сохранил трекер 365Fanatic</a>, инцидент начался в четверг, 12 ноября, в 16:20 UTC (19:20 мск) и закончился в пятницу, 13 ноября, в 16:10 UTC. Пострадали функции, которые обращаются к Exchange Online: почтовые ящики были недоступны через Outlook в браузере, десктопный Outlook, Exchange ActiveSync и REST, доставка писем задерживалась. Вместе с почтой отказывали Copilot, порталы Defender XDR и Purview, часть сценариев Intune, Planner, Power Apps и запросы Microsoft Graph к почте, календарю и контактам.</p><p>Основные функции Teams, по словам Microsoft, работали большую часть инцидента: сервис сумел уйти с неисправного шлюза, и ломалось в основном то, что завязано на Exchange, например календарь. Чтобы не потерять задержанные письма, компания, как <a href="https://www.bleepingcomputer.com/news/microsoft/massive-microsoft-365-outage-disrupts-outlook-teams-copilot-worldwide/">писал BleepingComputer</a>, продлила окно ожидания доставки до 48 часов. Microsoft также заявила, что сбой технический и не связан ни с кибератакой, ни с ИИ-агентами.</p><h2>Какие три фактора совпали?</h2><p>Ламанна описывает причину сбоя как сочетание трёх обстоятельств, каждое из которых по отдельности не вывело бы систему из строя.</p><p><b>Скрытый дефект.</b> При определённой нагрузке серверы шлюза захлёбывались и переставали отвечать из-за lock contention, то есть борьбы потоков за одну блокировку, во внутреннем процессе. Дефект появился вместе с исправлением, подготовленным специально для серверов сетевого шлюза Microsoft 365. Microsoft отдельно оговаривает, что ни исходная ошибка, ни это исправление не относятся к обычным установкам Windows. Изменение начали развёртывать в июле, оно прошло поэтапную выкатку, за несколько недель дошло до всех регионов и больше трёх месяцев работало без происшествий.</p><p><b>Рост нагрузки.</b> У Microsoft 365 два независимых и по-разному устроенных сетевых шлюза, между которыми сервисы умеют переключаться при неполадках. Примерно за 15 часов до сбоя Teams переключился с альтернативного шлюза на «основной», тот самый, что обслуживает и Exchange Online. Нагрузка на шлюз выросла, характер трафика изменился. Компания подчёркивает, что такое переключение входит в обычную эксплуатацию.</p><p><b>Потеря 14% мощности.</b> В тот же момент почти 14% мощности шлюза были выведены из работы из-за несвязанной проблемы предыдущего дня и ждали возврата через плановое обслуживание. Запаса хватало, и само по себе это сокращение ни на что не влияло.</p><p>Вместе рост нагрузки и сокращение доступной мощности довели шлюз до условий, в которых срабатывала июльская ошибка: запросы копились в очереди, пока серверы не переставали отвечать. Случилось это в часы пиковой нагрузки в США.</p><h2>Почему нагрузочные тесты ничего не показали?</h2><p>Перед выкаткой ошибку не заметили на стендах: в лабораториях Microsoft гоняли нагрузку с другим составом трафика и на другом наборе конфигураций серверов, в основном на слабых SKU с меньшим числом ядер. Конкуренция за блокировку, наоборот, резко обостряется на новом многоядерном железе.</p><p>Механика знакома по любому многопоточному коду: чем больше ядер одновременно тянутся к общему мьютексу, тем больше времени уходит на ожидание и переключения, и с какого-то порога пропускная способность падает вместо того, чтобы расти. Это общее объяснение эффекта, а не цитата из отчёта: какой именно процесс и какая блокировка стали узким местом и почему стенды их не нагрузили, в сокращённой версии не сказано.</p><h2>Как отказоустойчивость превратила локальный сбой в глобальный?</h2><p>Когда сервер перестаёт отвечать, системы управления трафиком автоматически уводят пользователей на здоровые узлы. Обычно это и делает сервис устойчивым. Здесь перенаправленный трафик повышал вероятность той же ошибки на оставшихся серверах: прежняя нагрузка ложилась на всё меньшее число машин, и отказ шёл от сервера к серверу. Меньше чем за 2 часа неизвестный ранее дефект проявился по всему парку, в худший момент не отвечали больше 80% серверов.</p><p>Шлюз состоит из тысяч «единиц мощности», объединённых в регионы, и перегородки между ними должны останавливать такие каскады. По словам Ламанны, из-за ещё одной, отдельной проблемы эти перегородки не сработали, поэтому отказ и стал глобальным. Что это за проблема, в публичной версии не раскрыто.</p><p>Teams, OneDrive, SharePoint и приложения Office сумели уйти с неисправного шлюза и восстановились раньше. Exchange Online такой возможности не имеет, поэтому почта лежала дольше всего.</p><h2>Почему восстановление заняло почти сутки?</h2><p>Серверы, которые возвращали в строй, сразу получали накопившийся трафик и снова переставали отвечать. Автоматические процедуры восстановления, по признанию Microsoft, не были рассчитаны на подъём сервиса из состояния, когда не отвечает почти весь парк. Привычные инструменты быстрого отката тоже не помогли: ошибке было несколько месяцев, и rollback последних выкаток, поэтапное включение и feature flags не позволяли быстро вернуть прежнее поведение.</p><p>Когда инженеры подтвердили причину, они подготовили обновление, возвращающее код к прежнему рабочему состоянию. Его применяли группами: серверы выводили из работы, обновляли, перезапускали и возвращали под нагрузку, причём сразу крупными партиями, например больше 50% региона за раз.</p><h2>Что из этого забрать в свою практику?</h2><p>Отчёт Microsoft предварительный. По <a href="https://www.365fanatic.com/m365-outage-12-november-2026/">пересказу 365Fanatic</a>, в нём названы уже выполненные меры: дополнительные мощности, новый мониторинг перенаправлений трафика и состояния обработки соединений, ограничители распределения трафика против каскадов. Полный список исправлений обещан в итоговом отчёте, его ждут 20 ноября. Четыре наблюдения из разбора применимы к любой нагруженной системе, это уже выводы редакции:</p><ul><li>Нагрузочные тесты на слабом железе могут скрывать проблемы масштабирования по ядрам. Чтобы их ловить, на стенде нужны боевой состав трафика и конфигурации с максимальным числом ядер.</li><li>Запас мощности рассчитывают с учётом совпадения штатных событий: переключения трафика и вывода части парка на обслуживание.</li><li>Автоматическое перераспределение нагрузки с упавших узлов без ограничителя разносит локальный дефект по всему парку. При этом механизмы изоляции сегментов требуют отдельной проверки в условиях реального сбоя.</li><li>План восстановления «с нуля», когда не отвечает почти всё, и защита от лавины накопившихся запросов нужны до инцидента: быстрый откат по feature flag плохо помогает против изменения, которое выкатили три месяца назад.</li></ul><p>Администраторам Microsoft 365 полный предварительный отчёт доступен в центре администрирования под номерами MO1550821 и EX1550543, <a href="https://x.com/MSFT365Status/status/2122205066157257160">сообщил</a> аккаунт Microsoft 365 Status. Итоговый разбор (Post-Incident Review) Ламанна обещает на этой неделе; в сообщении об инциденте Microsoft называла сроки: два рабочих дня для предварительного отчёта и пять для итогового. В опубликованной сокращённой версии нет ответа на два вопроса: какая «отдельная проблема» сломала изоляцию регионов и что компания изменит в тестировании и восстановлении. Их и стоит искать в итоговом отчёте.</p><p>Источники: <a href="https://x.com/clamanna/status/2122209697226948729">X: Чарльз Ламанна, сокращённый отчёт о причинах сбоя, 16 ноября 2026</a>, <a href="https://x.com/MSFT365Status/status/2122205066157257160">X: Microsoft 365 Status о публикации предварительного отчёта</a>, <a href="https://www.365fanatic.com/m365-status/MO1550821/">365Fanatic: текст сообщения MO1550821 из центра администрирования Microsoft 365</a>, <a href="https://www.365fanatic.com/m365-outage-12-november-2026/">365Fanatic: пересказ предварительного отчёта Microsoft от 15 ноября 2026 и ссылка на PDF</a>, <a href="https://www.bleepingcomputer.com/news/microsoft/massive-microsoft-365-outage-disrupts-outlook-teams-copilot-worldwide/">BleepingComputer: Massive Microsoft 365 outage disrupts Outlook, Teams, Copilot worldwide</a></p>]]></content:encoded>
    </item>
    <item>
      <title>Project Zero урежет срок раскрытия уязвимостей с 90 до 30 дней к 2028 году</title>
      <link>https://tproger.ru/news/project-zero-urezhet-srok-raskrytiya-uyazvimostej-s-90-do-30-dnej-k</link>
      <comments>https://tproger.ru/news/project-zero-urezhet-srok-raskrytiya-uyazvimostej-s-90-do-30-dnej-k?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/project-zero-urezhet-srok-raskrytiya-uyazvimostej-s-90-do-30-dnej-k</guid>
      <description><![CDATA[<p>Google Project Zero отменил 30 дней на раскатку патча: детали уязвимости публикуют через 90 дней после отчёта, с февраля 2027-го через 60, с 2028-го через 30.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/project-zero-urezhet-srok-raskrytiya-uyazvimostej-s-90-do-30-dnej-k">Project Zero урежет срок раскрытия уязвимостей с 90 до 30 дней к 2028 году</a>»</p>]]></description>
      <category><![CDATA[Google]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[Информационная безопасность]]></category>
      <category><![CDATA[Уязвимость]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:02:11 GMT</pubDate>
      <content:encoded><![CDATA[<p>Команда Google Project Zero, которая ищет уязвимости в чужом и собственном ПО, 13 ноября 2026 года <a href="https://projectzero.google/2026/11/disclosure-policy.html">объявила</a> о новой политике раскрытия. Технические детали найденной уязвимости теперь публикуются через 90 дней после отчёта разработчику, со 2 февраля 2027 года срок сократится до 60 дней, с 3 января 2028 года — до 30. Дополнительные 30 дней на распространение патча, действовавшие с 2021 года, отменены.</p><p>Изменение важно для всей индустрии. По срокам Project Zero сверяют процессы многие вендоры и исследователи, и теперь ориентир для исправления уязвимости сократится втрое меньше чем за 14 месяцев. Причину авторы называют прямо: языковые модели ускорили и поиск уязвимостей, и создание эксплойтов, поэтому старые сроки, по их словам, «явно недостаточны» (перевод редакции). Если у вашего продукта или открытого проекта выпуск исправления занимает месяцы, запас времени заканчивается.</p><ul><li>С 13 ноября 2026 года действует схема Full 90: детали уязвимости публикуются через 90 дней после отчёта вендору.</li><li>Со 2 февраля 2027 года срок составит 60 дней, с 3 января 2028 года — 30 дней.</li><li>Отменены 30 дней «на раскатку» патча, льготный период и отдельные правила для вариантов уже известной ошибки.</li><li>Исключений три: уязвимость уже эксплуатируют, детали уже опубликовал кто-то другой, вендор сам просит раскрыть.</li><li>Project Zero, по её словам, находит несколько уязвимостей в неделю там, где раньше находила несколько в год.</li></ul><h2>Что именно изменилось в политике Project Zero?</h2><p>Теперь действует одно число: уязвимость раскрывается через X дней после отчёта, независимо от того, вышел патч или нет. Команда называет схему Full X. До сих пор, с 2021 года, действовала модель «90 + 30»: до 90 дней на исправление и ещё 30 дней, чтобы патч успел дойти до пользователей.</p><p>Сроки раскрытия уязвимостей Project Zero</p><table><thead><tr><th>Период</th><th>Схема</th><th>Когда публикуются детали</th></tr></thead><tbody><tr><td>2021 год — 12 ноября 2026 года</td><td>90 + 30</td><td>До 90 дней на исправление и ещё 30 дней на распространение патча</td></tr><tr><td>С 13 ноября 2026 года</td><td>Full 90</td><td>Через 90 дней после отчёта</td></tr><tr><td>Со 2 февраля 2027 года</td><td>Full 60</td><td>Через 60 дней после отчёта</td></tr><tr><td>С 3 января 2028 года</td><td>Full 30</td><td>Через 30 дней после отчёта</td></tr></tbody></table><p>Вместе с этим убрано большинство особых случаев, включая льготный период (grace period) и отдельную политику для вариантов уже найденной ошибки. Исключений осталось три:</p><ul><li>уязвимость уже используют в реальных атаках: такие случаи идут по общей <a href="https://about.google/company-info/appsecurity/">политике Google</a> для уязвимостей в приложениях;</li><li>детали уже опубликованы кем-то другим: тогда Project Zero раскрывает и свои (в анонсе сказано «по усмотрению команды», в тексте политики — немедленно);</li><li>о публикации просит сам вендор, которому отправлен отчёт.</li></ul><p>К уже отправленным отчётам новые сроки не применяются. В <a href="https://projectzero.google/vulnerability-disclosure-faq.html">FAQ команды</a> сказано, что для каждой уязвимости действует политика на дату отчёта, а в отчёт добавляют фразу о сроке: «This bug is subject to a 90 day disclosure deadline. It will become public after 90 days». В течение недели после отправки Project Zero публикует на странице Reporting Transparency номер отчёта, вендора, продукт, дату и срок раскрытия, без технических подробностей.</p><h2>Почему Project Zero считает прежние сроки недостаточными?</h2><p>Автор поста Натали Силванович из Project Zero приводит три причины, и все они связаны с языковыми моделями.</p><p><b>Уязвимости находят быстрее.</b> LLM ускорили поиск и эксплуатацию ошибок, и выросла вероятность, что одну и ту же ошибку независимо найдут несколько сторон, включая злоумышленников. Уязвимость, о которой сообщили сегодня, по словам автора, несёт пользователям заметно больший немедленный риск, чем такая же год назад.</p><p><b>Патч сам раскрывает ошибку.</b> Модели сократили время, за которое атакующий восстанавливает суть уязвимости по исправлению и пишет эксплойт. Автор считает «нулевое время от патча до эксплойта» разумной, хотя и неидеальной, моделью поведения атакующего. Отсюда отказ от 30 дней на распространение патча: когда детали почти сразу извлекаются из самого исправления, отсрочка публикации создаёт ложное ощущение секретности. Вендорам предлагают сокращать patch gap, то есть время между выходом исправления и его установкой у пользователя: быстрее раскатывать обновления или защищать пользователей другими способами, пока идёт исправление.</p><p><b>Отчётов стало слишком много для ручных переговоров.</b> «Мы находим несколько уязвимостей в неделю там, где раньше находили несколько в год», — пишет Силванович. Пункты политики, которые требовали согласования с вендором, например считать ли ошибку исправленной и положен ли льготный период, по её словам, быстро становятся неуправляемыми. Новую политику проектировали так, чтобы её могли автоматизировать и Project Zero, и вендоры.</p><p>Это объяснение самой команды. Данных о том, сколько её отчётов за 2026 год получено с помощью ИИ и как изменилось время до появления эксплойтов, в посте нет. Но описанная картина совпадает с тем, что заявляют разработчики моделей: мы писали о модели <a href="https://tproger.ru/news/openai-vypustila-gpt-6-cyber-48-5-na-exploitgym-i-klass-critic">GPT-6 Cyber и её результатах на ExploitGym</a>.</p><h2>Почему срок сокращают поэтапно, а не сразу до 30 дней?</h2><p>Потому что резкая смена правил, по оценке вендоров, навредила бы пользователям. При подготовке политики Project Zero собрала отзывы компаний, которым отправляет больше всего отчётов. Главное опасение: если ввести короткий срок немедленно, детали неисправленных уязвимостей окажутся у атакующих, пока вендоры ещё перестраивают процессы и инфраструктуру исправлений. Команда соглашается, что в краткосрочной перспективе польза от отсрочки сохраняется, хотя и снижается: растёт вероятность, что атакующие сами найдут ошибку за время эмбарго.</p><p>Вендоры назвали ещё два риска. Слишком жёсткая политика заставит чинить ошибки от Project Zero в первую очередь, даже если они менее опасны, чем другие в очереди. А срок, в который часть компаний заведомо не укладывается, может привести к тому, что они смирятся с нарушением и перестанут пытаться. Итоговый график команда называет трудным, но реалистичным.</p><h2>Будут ли делать поблажки для неопасных ошибок и железа?</h2><p>Для неопасных нет: срок от серьёзности не зависит. Project Zero заносит в трекер только уязвимости с существенной серьёзностью и продемонстрированным влиянием на безопасность, но для решения о раскрытии этот показатель считает неподходящим. Логика такая: серьёзность определяет ущерб для пользователей и никак не влияет на то, найдут ли ошибку атакующие. Вендор вправе принять риск малоопасных ошибок вроде неэксплуатируемого падения на нулевом указателе, но доступность таких ошибок для атакующих от этого не меняется.</p><p>Оговорка в обратную сторону тоже есть. Политика рассчитана на отчёты того качества, которого команда требует от себя: воспроизводимые, понятные, с доказанной достижимостью уязвимого кода и описанным влиянием. Вендорам, по словам автора, разумно иначе обращаться с отчётами низкого качества. Для мейнтейнеров открытых проектов, которых заваливают сгенерированными отчётами, это важное уточнение: короткий срок Project Zero относится к её собственным проверенным находкам.</p><p>Для аппаратных уязвимостей отдельного правила нет, но исключения возможны. Команда напоминает, что изредка продлевала сроки, например для Spectre и Meltdown, и обещает делать так и дальше. По данным FAQ, срок продлевали в 10 случаях из 2219. Одновременно всем вендорам советуют заранее продумать, как они ответят на скорое раскрытие серьёзной ошибки, включая меры без патча: никто не гарантирует, что защитники найдут её первыми. Таким мерам посвящён октябрьский пост той же команды <a href="https://projectzero.google/2026/10/emergency-patching.html">об экстренных исправлениях</a>.</p><p>Изменилась и роль проверки исправлений. Project Zero продолжит отслеживать, закрыта ли ошибка, и сообщать, если нет, но на дату раскрытия это больше не влияет. Раньше, как признаёт команда, вопрос «исправлено или нет» часто требовал нескольких раундов переписки по каждому отчёту, особенно когда код не поставляется пользователям напрямую и закрыт. А вендоры всё чаще применяют меры, которые патчем не являются, например временно отключают уязвимый участок кода.</p><h2>Что это значит для команд разработки?</h2><p>Прямо политика касается тех, кому Project Zero отправляет отчёты: это крупные вендоры и заметные открытые проекты. Косвенно она задаёт планку для всех. Наш вывод: срок в 90 дней давно стал отраслевым ориентиром для ответственного раскрытия, и вслед за Project Zero его, вероятно, начнут сокращать другие исследователи и программы поиска уязвимостей.</p><ul><li>Измерьте, сколько времени у вас проходит от отчёта об уязвимости до релиза с исправлением и от релиза до установки у большинства пользователей. С января 2028 года детали уязвимости станут публичными через 30 дней после отчёта, даже если исправление ещё не вышло или не дошло до пользователей.</li><li>Считайте, что после выхода патча ошибка известна атакующим. Откладывать публикацию бюллетеня ради «тихого» обновления больше нет смысла — лучше ускорить доставку обновлений.</li><li>Подготовьте меры без патча: флаг для отключения функции, правило на стороне сервера, обновление конфигурации. Они нужны на случай, когда полноценное исправление не успевает.</li><li>Потребителям зависимостей стоит обновляться быстрее, чем раньше. О том, как это автоматизировать, у нас есть разбор <a href="https://tproger.ru/articles/kak-proverit-zavisimosti-proekta-na-uyazvimosti">проверки зависимостей на уязвимости</a>.</li></ul><p>Следить стоит за двумя датами: 2 февраля 2027 года, когда начнёт действовать Full 60, и 3 января 2028 года с переходом на Full 30. Сроки и ближайшие раскрытия по каждому отчёту видны на странице <a href="https://projectzero.google/reporting-transparency.html">Reporting Transparency</a>.</p><p>Источники: <a href="https://projectzero.google/2026/11/disclosure-policy.html">Project Zero: Policy and Disclosure: 2026 Edition</a>, <a href="https://projectzero.google/vulnerability-disclosure-faq.html">Project Zero: Vulnerability Disclosure FAQ</a>, <a href="https://projectzero.google/vulnerability-disclosure-policy.html">Project Zero: Vulnerability Disclosure Policy</a>, <a href="https://projectzero.google/reporting-transparency.html">Project Zero: Reporting Transparency</a>, <a href="https://projectzero.google/2026/10/emergency-patching.html">Project Zero: How to fix a bug in a fix</a></p><p>Изображение на обложке: Google Project Zero</p>]]></content:encoded>
    </item>
    <item>
      <title>Hugging Face обещает защищать открытый ИИ после отставки главы NVIDIA</title>
      <link>https://tproger.ru/news/hugging-face-obeshhaet-zashhishhat-otkrytyj-ii-posle-otstavki-glavy-n</link>
      <comments>https://tproger.ru/news/hugging-face-obeshhaet-zashhishhat-otkrytyj-ii-posle-otstavki-glavy-n?scrollTo=tproger-comments</comments>
      <dc:creator><![CDATA[Tproger]]></dc:creator>
      <guid isPermaLink="true">https://tproger.ru/news/hugging-face-obeshhaet-zashhishhat-otkrytyj-ii-posle-otstavki-glavy-n</guid>
      <description><![CDATA[<p>Сделка NVIDIA и Hugging Face на $12,93 млрд должна закрыться в первой половине 2027 года. Обязательство открытости записано в 8-K, но Хуанг ушёл в отставку.</p><p>— Читать дальше «<a rel="follow" href="https://tproger.ru/news/hugging-face-obeshhaet-zashhishhat-otkrytyj-ii-posle-otstavki-glavy-n">Hugging Face обещает защищать открытый ИИ после отставки главы NVIDIA</a>»</p>]]></description>
      <category><![CDATA[Open Source]]></category>
      <category><![CDATA[Искусственный интеллект]]></category>
      <category><![CDATA[NVIDIA]]></category>
      <category><![CDATA[Бизнес]]></category>
      <category><![CDATA[Новости]]></category>
      <slash:comments>0</slash:comments>
      <pubDate>Mon, 16 Nov 2026 13:00:49 GMT</pubDate>
      <content:encoded><![CDATA[<p>Глава Hugging Face Клеман Деланг 12 ноября <a href="https://x.com/ClementDelangue/status/2120883918119592037">пообещал</a> «бороться за открытый ИИ сильнее, чем когда-либо». Так он отреагировал на отставку Дженсена Хуанга: в тот же день совет директоров NVIDIA <a href="https://nvidianews.nvidia.com/news/nvidia-announces-ceo-transition">объявил</a>, что основатель компании покинул посты президента, генерального директора и члена совета. NVIDIA покупает Hugging Face за $12,93 млрд, и публичным лицом этой сделки и её обещаний был Хуанг.</p><p>Для разработчиков сейчас ничего не меняется: сделка ещё не закрыта, Hugging Face остаётся самостоятельной компанией, а Hub работает по прежним правилам. Но каталог, где лежат больше 3 млн открытых моделей, переходит к корпорации, которая только что лишилась руководителя, публично продвигавшего открытые веса. Обязательство сохранить платформу открытой NVIDIA записала в отчётности для Комиссии по ценным бумагам США, а вот новое руководство о сделке публично пока не высказывалось.</p><ul><li>Совет директоров NVIDIA принял отставку Дженсена Хуанга с постов президента, CEO и члена совета 11 ноября 2026 года и объявил о ней 12 ноября; временным CEO стала финансовый директор Колетт Кресс.</li><li>Сделку на $12 930 300 000 объявили 3 сентября; закрытие намечено на первую половину 2027 года и зависит от одобрения регуляторов.</li><li>NVIDIA обязалась сохранить платформу открытой и поддерживать чипы других производителей: это есть и в блоге Хуанга, и в форме 8-K. На вопросы TechCrunch о статусе сделки компании не ответили.</li><li>Минюст США, по данным Reuters, проверяет, не получит ли NVIDIA контроль над ключевым каналом распространения моделей.</li><li>Внутри NVIDIA пост с просьбой учесть мнение сотрудников собрал больше 1600 комментариев, пишет WIRED.</li></ul><h2>Что именно сказал глава Hugging Face?</h2><p>Деланг опубликовал короткий пост в X в тот же день, когда совет директоров NVIDIA объявил об уходе Хуанга. О судьбе сделки и планах платформы он ничего не написал, ограничившись оценкой событий и обещанием.</p><blockquote>This whole thing sucks, and I wish none of it had happened. It’s a really sad day! But I want to make one thing clear: we’ll keep fighting for open-source AI, harder than ever. This is too important to slow down now. Let’s go!</blockquote><p>Издание TechCrunch <a href="https://techcrunch.com/2026/11/12/hugging-face-ceo-vows-to-keep-fighting-for-open-source-ai-after-jensen-huangs-exit/">трактует</a> пост как попытку успокоить сторонников открытых моделей после ухода Хуанга. Это оценка журналистов, сам Деланг её не подтверждал. На запросы TechCrunch о статусе сделки и о том, общалась ли уже Hugging Face с временным CEO NVIDIA, в компаниях не ответили.</p><h2>Что NVIDIA обещала Hugging Face и её пользователям?</h2><p>О покупке объявили 3 сентября 2026 года. В <a href="https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/">блоге NVIDIA</a> Хуанг назвал точную сумму сделки, $12 930 300 000, и привёл показатели платформы: больше 18 млн разработчиков и исследователей, больше 3 млн моделей, 500 тыс. датасетов, 1 млн приложений и больше 200 тыс. компаний-пользователей. В <a href="https://www.sec.gov/Archives/edgar/data/1045810/000104581026000078/nvda-20260902.htm">форме 8-K</a> сумма разложена на две части: около $11,9 млрд получат акционеры Hugging Face, ещё до $1,0 млрд составит программа удержания сотрудников акциями. TechCrunch называет сделку второй по величине в истории NVIDIA после соглашения с разработчиком чипов Groq в декабре 2025 года, которое пресса оценивала в $20 млрд.</p><p>В том же посте Хуанг дал обязательства, важные для всех, кто скачивает модели с Hub или публикует их там:</p><ul><li>Hugging Face останется открытой платформой для всей экосистемы: разработчик сам выбирает модели, фреймворки, облака, провайдеров инференса и вычислительные платформы.</li><li>Железо NVIDIA не станет обязательным условием для сборки и развёртывания через Hugging Face.</li><li>Платформа продолжит поддерживать модели с открытым кодом и открытыми весами от любых авторов, а также работу с несколькими облаками и разными типами ускорителей.</li><li>Бренд Hugging Face сохранится.</li></ul><p>Пост написан от первого лица, и обращение Деланга Хуанг описал как личный разговор («Клеман пришёл ко мне»). Но главное обещание существует и как обязательство корпорации. В форме 8-K, поданной в Комиссию по ценным бумагам и биржам США, сказано, что NVIDIA обязалась сохранить платформу Hugging Face открытой в соответствии с её нынешней практикой: авторы моделей, разработчики и пользователи смогут загружать и скачивать модели и датасеты по своему выбору, а платформа продолжит поддерживать других производителей чипов. Со сменой CEO это обязательство не исчезает. Полный текст соглашения не публиковали, поэтому остальные пункты из блога, например про выбор облаков и провайдеров инференса, проверить по документам нельзя.</p><p>У NVIDIA есть и собственный интерес к открытым моделям. По её данным, компания выложила на Hugging Face больше 500 моделей и больше 250 открытых датасетов и остаётся крупнейшим контрибьютором платформы. В июле Хуанг опубликовал открытое письмо в защиту моделей с открытыми весами, которое подписали 25 компаний, а в октябре NVIDIA <a href="https://blogs.nvidia.com/blog/nemotron-3-5-super-vl/">выпустила</a> открытую модель Nemotron 3.5 Super VL на 120 млрд параметров. TechCrunch ещё в сентябре объяснял коммерческую логику: открытая экосистема под контролем NVIDIA помогает продавать её чипы.</p><h2>Что известно об отставке Хуанга?</h2><p>В <a href="https://nvidianews.nvidia.com/news/nvidia-announces-ceo-transition">заявлении совета директоров</a> от 12 ноября причина ухода не названа; по <a href="https://www.sec.gov/Archives/edgar/data/1045810/000104581026000082/nvda-20261111.htm">форме 8-K</a>, отставку совет принял днём раньше, 11 ноября. Совет сообщил, что Хуанг покинул все посты немедленно, а временным CEO назначена Колетт Кресс, которая с сентября 2013 года занимает должность финансового директора NVIDIA и сохранит её. Поиск постоянного руководителя уже идёт среди внутренних и внешних кандидатов. Председателем совета директоров впервые в истории компании стал бывший глава Synopsys Харви Джонс. В заявлении подчёркивается, что текущая работа, обязательства перед клиентами и продуктовые планы продолжатся «без перебоев».</p><p>Контекст известен по публикациям американской прессы. Как <a href="https://www.wired.com/story/nvidia-ceo-jensen-huang-steps-down/">пишет WIRED</a>, об отставке объявили через четыре дня после того, как совет директоров объявил о внутреннем расследовании. По данным The New York Times и Financial Times, речь шла о связи Хуанга с женщиной, которую издания называют агентом китайской разведки (власти Китая это отрицают). 8 ноября в письме сотрудникам Хуанг признал внебрачную связь и пообещал сотрудничать с проверкой, а 11 ноября NYT сообщила о его предполагаемых отношениях с прямой подчинённой. Сведения о личности женщины и об отношениях с подчинённой остаются сообщениями изданий со ссылкой на источники.</p><p>Внутри компании уход основателя поддержали не все. По данным <a href="https://www.wired.com/story/nvidia-employees-petition-for-jensen-huangs-return/">WIRED</a>, пост во внутреннем «ящике предложений», где давний инженер NVIDIA ещё до отставки просил совет учесть мнение команды, собрал больше 1600 комментариев; часть авторов призывает вернуть Хуанга. Издание ознакомилось с перепиской, но имена сотрудников не раскрывает. Также WIRED оценивает падение капитализации NVIDIA с начала скандала в $1 трлн и сообщает о расследованиях со стороны американских законодателей и ФБР, а также о возможных новых ограничениях на экспорт чипов.</p><h2>Что может помешать сделке?</h2><p>Сделка также зависит от решения регуляторов. В октябре агентство Reuters со ссылкой на два источника <a href="https://finance.yahoo.com/technology/ai/articles/nvidia-faces-doj-antitrust-scrutiny-202028682.html">сообщило</a>, что Министерство юстиции США изучает покупку Hugging Face в составе более широкого антимонопольного расследования против NVIDIA. Ведомство выясняет, получит ли производитель чипов контроль над ключевым каналом распространения ИИ-моделей и софта. В NVIDIA отвечали, что платформа сохранит поддержку процессоров конкурентов, разных облаков и программных экосистем. Агентство оговаривается, что запросы регулятора не обязательно приводят к иску.</p><p>Hugging Face не впервые оказывается в центре громкой истории: в июле случился <a href="https://tproger.ru/news/hugging-face-vzloman-avtonomnym-ii-agentom-chto-izvestno-ob-inci">взлом платформы автономным ИИ-агентом</a>. На этот раз вопрос в том, кому достанется площадка, по трендам которой мы собираем обзоры открытых моделей, включая <a href="https://tproger.ru/news/sem-novinok-popali-v-top-hugging-face-pyat-zapuskayutsya-na-svoyo">свежий топ Hugging Face</a>.</p><h2>За чем следить разработчику?</h2><p>Пользователям Hugging Face сейчас ничего предпринимать не нужно: на 16 ноября ни NVIDIA, ни Hugging Face не объявляли об изменениях правил платформы в связи со сделкой или отставкой. Ориентироваться можно по трём сигналам:</p><ul><li>17 ноября NVIDIA отчитывается за третий квартал 2027 финансового года; звонок с инвесторами начнётся в 14:00 по тихоокеанскому времени (01:00 мск 18 ноября). Это первый квартальный звонок после смены CEO, и на нём могут спросить о судьбе Hugging Face.</li><li>Позиция Минюста США: продолжение запросов или иск способны сдвинуть закрытие сделки, намеченное на первую половину 2027 года.</li><li>Публичная позиция Колетт Кресс или нового постоянного CEO. Обязательство об открытости записано в 8-K, но детали из блога Хуанга новое руководство пока не повторяло.</li></ul><p>Командам, у которых сборка или продакшен скачивают веса с Hub при каждом запуске, безопаснее хранить критичные модели и датасеты в собственном хранилище или зеркале. Такая страховка снижает зависимость от любого внешнего сервиса независимо от того, кто им владеет.</p><p>Источники: <a href="https://x.com/ClementDelangue/status/2120883918119592037">X: пост Клемана Деланга, 12 ноября 2026</a>, <a href="https://nvidianews.nvidia.com/news/nvidia-announces-ceo-transition">NVIDIA: NVIDIA Announces CEO Transition</a>, <a href="https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/">NVIDIA Blog: NVIDIA to Acquire Hugging Face</a>, <a href="https://www.sec.gov/Archives/edgar/data/1045810/000104581026000078/nvda-20260902.htm">SEC: форма 8-K NVIDIA о соглашении с Hugging Face, 2 сентября 2026</a>, <a href="https://www.sec.gov/Archives/edgar/data/1045810/000104581026000082/nvda-20261111.htm">SEC: форма 8-K NVIDIA об отставке CEO, 11 ноября 2026</a>, <a href="https://techcrunch.com/2026/11/12/hugging-face-ceo-vows-to-keep-fighting-for-open-source-ai-after-jensen-huangs-exit/">TechCrunch: Hugging Face CEO vows to keep fighting for open source AI after Jensen Huang's exit</a>, <a href="https://finance.yahoo.com/technology/ai/articles/nvidia-faces-doj-antitrust-scrutiny-202028682.html">Reuters в пересказе Investing.com: Nvidia faces DOJ antitrust scrutiny</a>, <a href="https://www.wired.com/story/nvidia-employees-petition-for-jensen-huangs-return/">WIRED: Nvidia Employees Petition for Jensen Huang's Return</a>, <a href="https://www.wired.com/story/nvidia-ceo-jensen-huang-steps-down/">WIRED: Nvidia CEO Jensen Huang Steps Down</a></p><p>Изображение на обложке: NVIDIA</p>]]></content:encoded>
    </item>
  </channel>
</rss>