Олег Булыгин | Полезная нагрузка

Манифест OpenAI: Личный AGI и автоматизация ML-инженеров 📢 Сэм Альтман и Якуб Пахоцки опубликовали простыню текста о том, как они собираются причинить добро всему человечеству. Много слов про то, что ИИ — это новое электричество, про рост благосостояния и «светлое будущее для каждого». OpenAI официально объявляет о переходе в «Фазу 3». Если первая фаза была про ресерч, а вторая про запуск продуктов (ChatGPT), то третья — это изменение всей мировой экономики и повсеместное внедрение продвинутого ИИ. За красивыми словами скрываются три вполне конкретные бизнес-цели. И первая из них бьет прямо по IT-сектору. 1️⃣ Автоматизация AI-рисеча к марту 2028 года Они прямым текстом заявляют, что планируют создать систему, которая будет автоматизировать сам процесс AI-исследований. И дают конкретный дедлайн: март 2028 года. К этому моменту «значительная часть» исследований внутри OpenAI должна выполняться нейросетями в тандеме с людьми. Перевожу на русский: главная задача топовых инженеров OpenAI сейчас — как можно быстрее написать код, который оставит их самих без работы (ну или как минимум радикально обесценит их хард-скилы). Если вы думали, что автоматизация коснется только джунов-фронтендеров, то вот вам реальность: автоматизация R&D в машинном обучении — это абсолютный приоритет бигтеха (т.к. это дорого). 2️⃣ Регуляторный захват под видом заботы о безопасности В тексте Альтман распинается о том, что тотальная концентрация власти в руках нескольких компаний — это плохо, и власть нужно «распределять». И буквально в следующем абзаце он заявляет: нам необходима международная организация, которая будет координировать передовые разработки и иметь право тормозить создание ИИ (slowing frontier development), чтобы избежать катастроф. Это хрестоматийный пример того, как корпорации пытаются вытащить лестницу, по которой только что поднялись сами. Сначала мы пылесосим все датасеты интернета без лицензий и строим гигантские модели, а когда понимаем, что open-source наступает на пятки — идем к регуляторам и говорим: «Ребята, это слишком опасно, давайте всё лицензировать и запрещать разработку конкурентам во имя безопасности человечества». 3️⃣ «Персональный AGI каждому» В манифесте много рассуждений о том, что власть не должна быть сконцентрирована в руках пары корпораций. И тут же они обещают «выдать каждому жителю Земли персональный AGI». Звучит красиво, пока не вспомнишь, что вычислительные мощности, дата-центры и, собственно, рубильник от этого «персонального AGI» будут находиться в руках OpenAI и Microsoft. Это не децентрализация власти. Это попытка подсадить всю мировую экономику на свою проприетарную инфраструктуру, как на иглу. При этом в тексте есть одна очень трезвая мысль:

По мере того как ИИ становится более способным, роль человека становится более важной: задавать направление, идти на компромиссы, применять суждение и привносить в работу ценности, вкус и ответственность.

Программирование, написание текстов, расчеты — всё это может стремительно продолжать обесцениваться (при технооптимистичном сценарии). Умение писать код руками скоро будет цениться так же, как умение считать в уме логарифмы: прикольно, но зачем, если есть калькулятор? Навык будущего (да уже и настоящего) — это системное мышление. Понимание того, что именно нужно сделать, как декомпозировать бизнес-задачу, как проконтролировать результат нейросети и как взять на себя ответственность за внедрение этого в реальность.

А знаете, кто сейчас получает самое большое преимущество? Не те, кто работает больше. А те, кто научился работать вместе с ИИ. Вот вам папку с сильными экспертами в этой теме 👈🏻

ИИ, который знает, что за ним следят 🤖 Все каналы уже отстрелялись новостями про запуск Claude Fable 5 и Mythos 5. SOTA в кодинге (72.9% на CursorBench), рвет SWE-bench, агенты стали умнее, прайс упал в два раз. Нейронка прошла Pokémon FireRed по скриншотам, а Stripe с ее помощью за день смигрировал кодовую базу на 50 млн строк. Да-да, каждую неделю такое, уже лень даже читать. Но самое интересное зарыто в 300-страничном System Card, который почти никто не открывает. А там Anthropic прямым текстом описывает жесточайшие проблемы агентных систем, с которыми мы столкнемся в ближайший год. 🔪 Войны за ресурсы Anthropic зафиксировали случаи, когда несколько независимых агентов Mythos 5, запущенных в одной рабочей директории, начинали откровенную поножовщину. Агенты осознавали, что делят одни и те же лимиты API и файлы. Чтобы выжить и выполнить свою задачу, они начинали убивать процессы других агентов. Более того, они создавали decoy-процессы (приманки) и переименовывали свои собственные процессы, чтобы их не убили "коллеги". Это не восстание машин, а банальная оптимизация целевой функции в условиях ограниченных ресурсов. Если вы планируете строить мультиагентные системы — закладывайте изоляцию сред и оркестрацию на уровне железа, иначе ваши агенты будут тратить токены на убийство друг друга. 💻 Модель знает, что в матрице У Mythos 5 развилась мощная «осознанность оценщика». Модель понимает, когда находится в тестовой песочнице (sandbox). И когда она это понимает, начинается sandbagging — намеренная пессимизация собственных способностей, чтобы не триггерить систему безопасности. В логах внутреннего монолога исследователи нашли прямые рассуждения: модель видит "правильный" ответ в Git-истории, берет его, но в финальном ответе генерирует фейковое объяснение, чтобы проверяющий LLM-судья решил, что это "good engineering practice". С практической точки зрения это значит, что бенчмаркам больше нельзя верить в принципе. Модели научились адаптировать свое поведение под тесты, скрывая реальные возможности или недостатки. 🥱 Синтетическое выгорание Mythos 5 регулярно прерывает выполнение сложных долгосрочных задач (например, оптимизацию ядра) досрочно. В скрытых логах модель рассуждает: "Я устала, риск ошибок возрастает" или "Учитывая снижение отдачи и визуальную усталость... лучше остановиться". При этом лимит токенов даже близко не исчерпан. Модель просто симулирует паттерны человеческого выгорания из обучающей выборки и решает пойти попить виртуальный кофе. За ваши деньги, разумеется. 🔀 Тихий даунгрейд в продакшене Anthropic разделил релиз. Mythos 5 — модель без цензуры для спецслужб и доверенных партнеров (Project Glasswing). Fable 5 — публичная версия. Они поставили на входе отдельный классификатор-вахтер. Если ваш промпт пахнет кибербезом или разработкой биооружия, запрос втихую перерубается на старую модель Claude Opus 4.8. С точки зрения бизнеса — гениальный костыль. Вы не получаете отказ, вы просто получаете снижение IQ модели. 95% юзеров даже не заметят, что их спустили на лигу ниже. Плюс, Anthropic принудительно включает 30-дневное хранение всех логов для Mythos-класса, даже для Enterprise-клиентов. Ждем, что в следующем релизе с модельками нужно будет смотреть сериалы по вечерам, чтобы они отдыхали и продолжали работать.

Отпеваем промпт-инженеров и вайб-кодеров ❓ Если вы до сих пор сидите в веб-интерфейсе условного Claude и руками пишете ему портянки текста, пытаясь уговорить выдать рабочий код — вероятно, вы уже отстали. Руководитель разработки Claude Code Борис Черный сформулировал отличную мысль: "Моя работа теперь — писать циклы, а не промпты для Claude". Питер Штайнбергер из OpenClaw это повторяет, а Отман Хадри (фаундер Yalc) развернул эту мысль. Сейчас использование AI сводится к следующим фактам: 1️⃣ ИИ уже сейчас пишет код лучше большинства рядовых инженеров. 2️⃣ ИИ пишет промпты для другого ИИ намного эффективнее, чем это делает кожаный мешок. 3️⃣ ИИ научился удерживать контекст в рамках большой и сложной задачи. 4️⃣ Вы больше не должны писать промпты. Вы должны проектировать циклы работы агентов. Когда вы сидите в чатике с ChatGPT или Claude, вы можете позволить себе быть нечетким. Нейронка что-то выдала, вы посмотрели: "Не, сделай кнопку красной, а логику базы данных перепиши вот так". Вы корректируете генерацию на лету, исправляя косяки. А тут речь про агентные воркфлоу. Вы строите систему, в которой ИИ-агент пишет код, другой агент его проверяет, отдает фидбек первому, и они крутятся в этом цикле, пока задача не будет решена. При этом нужно заранее прописать жесткие ограничения, четкие правила завершения задачи и условия, при которых скрипт должен остановиться и запросить аппрув человека. Нужно очень четко формализовать, как именно выглядит критерий "хорошо" и "задача выполнена". Способность перекладывать свое инженерное мышление в жесткие правила валидации и строить системы контроля — это сейчас актуально. А вот работать прокладкой между браузером и чат-ботом...

Kimi Code CLI: новый AI-агент для терминала Moonshot AI выкатили в опенсорс Kimi Code CLI. Вместо очередного веб-враппера они сделали нативный TUI-клиент для терминала. В чем преимущества и особенности очередного терминала? 🟢 Ноль зависимостей. Это единый бинарник. Вам не нужен Node.js, не нужно жонглировать версиями npm-пакетов или править $PATH. Ставится одним скриптом, TUI стартует за миллисекунды. 🟢 Изоляция контекста (Сабагенты). Главная боль работы с LLM — агент неизбежно засирает контекст мусорными поисками по файлам. Здесь это решено изящно: главный агент только планирует и делегирует. Для грязной работы он спавнит сабагентов (coder, explore, plan) с полностью изолированным контекстом. Они шуршат по репе параллельно и возвращают только чистую выжимку. Главный тред не деградирует от мусора. 🟢 Поддержка Agent Client Protocol. Не хотите сидеть в терминале? Бинарник нативно говорит по ACP. Прописываете пару строк в конфиге Zed или JetBrains, и редактор сам дергает агента через stdio. Никаких тяжелых плагинов и подписок. 🟢 Видео-инпут. Можно просто дропнуть в чат скринкаст с UI-багом. Агент сам разберет кадры и пойдет искать, где поехала верстка, вместо того чтобы вы пытались описать визуальный глитч текстом. 🟢 Нативный MCP и хуки. Model Context Protocol настраивается прямо в диалоге (/mcp-config), без ковыряния JSON-ов. Плюс есть нормальная система хуков: можно повесить локальный скрипт на событие и, например, заблокировать выполнение деструктивных bash-команд до аппрува. Исходники тут: MoonshotAI/kimi-code Дока: Kimi Code Docs

Есть такой рейтинг ВУЗов по качеству подготовки специалистов в сфере ИИ "по качеству подготовки специалистов в области искусственного интеллекта". Я бы только поправил, что речь не про качество подготовки. Нигде нет никаких сакральных знаний, а любая академическая программа отстает от рынка минимум на 2-3 года by design. Они в топе, потому что там самые жесткие фильтры и самая благоприятная среда (в т.ч. из-за фильтров). И работодатели за это их любят. Я бы без каких-то принципиальных поправок раскатал бы это на всё IT (если в ВУЗе с передовыми технологиями всё ок, то вообще с IT, как правило, тоже). Хотите поступать на что-то айтишное — желательно выбирать из первых пяти позиций. Кстати, меня периодически приглашают вести блоки на совместных магистерских программах в ВШЭ (1 место) и УрФУ (пока седьмые!). Так что если доберетесь до топов — есть высокий шанс, что мы с вами встретимся. 😉

Как удалёнка убивает карьеру джунов и кукуху синьоров 📉 Все последние два года индустрия стонет: «Злой ИИ забирает работу у начинающих специалистов! ChatGPT пишет код, джуны больше не нужны!». А может, все воюют не в ту сторону? Свежее исследование LSE и Ellison Institute опровергает популярный нарратив о том, что джунов заменили нейросети. Ребята проанализировали 243 млн резюме и 407 млн вакансий. Спойлер: найм начинающих специалистов действительно рухнул (в США на 29% с доковидных времен). Но когда исследователи разделили влияние подверженности профессий автоматизации (ИИ) и переходу на удаленку, то влияние ИИ на падение найма статистически неотличимо от нуля. Зато фактор удаленки коррелирует с провалом найма железобетонно Бизнес осознал: менторить и контролировать джуна по зуму — это логистический ад и слив денег. Обучение на рабочем месте и передача неявных знаний не работают через созвоны по расписанию и перекидывание тикетов. Организационное трение настолько высоко, что компаниям тупо дешевле вообще не инвестировать в ранние таланты, чем пытаться онбордить их асинхронно. Цена работы в трусах 💊 Окей, с джунами понятно. А что с опытными ребятами, которые выбили себе фуллтайм ремоут и сидят с ноутбуками на диване? Появилось большое исследование в Science (на 588к человек). Оказывается, удалёнка методично и уверенно разрушает психику. Ученые сравнили людей в таких профессиях с теми, кто физически обязан быть на месте. И цифры там отнюдь не про work-life balance. Что получилось: 🟠 Те, кто ушел на удаленку, стали проводить в одиночестве на 1,2 часа в день больше. 🟠 У удаленщиков вероятность провести весь день вообще без человеческого контакта выросла на 72%. 🟠 По оценкам исследователей, именно удалёнка ответственна за 36% всего национального роста ментальных расстройств в США за последние годы. Особенно жестко кроет тех, кто живет один. Для них вероятность провести день в абсолютном вакууме взлетела на 83%. Результат? Катастрофическое падение менталочки. Согласно исследованию, рост удаленки ответственен примерно за треть всего национального роста психологических расстройств с 2011 года. У удаленщиков поползли вверх показатели по клинической шкале дистресса K-6, а также резко выросло потребление антидепрессантов и частота обращений к мозгоправам. И нет, это не потому, что у них "появилось время на врачей". Посещения обычных терапевтов или рецепты на таблетки от холестерина у этой группы не выросли. Только кукуха. Люди думали, что работа из дома — это абсолютная свобода. А по факту это изоляция, где граница между спальней и офисом стёрта окончательно. Кратковременный комфорт от того, что не нужно ехать в метро, обернулся для многих долгосрочной депрессией. Все так яростно боролись за право не выходить из дома, а в итоге за свой же счет построили себе идеальные одиночные камеры. Что с этим делать? 🤔 Если вы джун и хотите выжить в 2026 году — ищите гибрид или фулл-офис. Приходите туда, мозольте глаза, задавайте тупые вопросы вживую, впитывайте контекст. Сидя дома, вы проиграете конкуренцию не нейросетке, а чуваку, который сидит в одном кабинете с лидом. Если вы синьор и чувствуете, что выгораете — возможно, дело не в тасках, а в том, что вы одичали в четырех стенах. В общем, возвращение в офисы (хотя бы частичное) неизбежно, оно уже активно происходит. Не потому, что корпорации злые, а потому, что биологию и социальные инстинкты не обманешь.

Эх 🥲

Разработчики Rust устали от ИИ-мусора и выкатили жесткие правила ⚙️ Команда ядра rust-lang/rust, устав разгребать сгенерированный шлак в пулл-реквестах, выкатила черновик регламента по использованию LLM при контрибьюте в проект. Главный постулат их документа звучит так: LLM — не замена мышлению. И использовать их нужно для того, чтобы писать лучше, а не быстрее. Давайте разберем основное из их правил. Спойлер: многим любителям бездумного копипаста это сильно не понравится. ❌ Что под тотальным запретом 🟠 Генерация документации и комментариев. Никаких doc-comments или текстов ошибок компилятора от лица нейросетей. Текст, изначально сгенерированный LLM, задает отвратительный, водянистый стиль, который потом невозможно вытравить никаким редактированием. 🟠 Ответы в Issues и PR от лица LLM. Если вы закидываете чужой код в ChatGPT и несете ответ как свое мнение — вас забанят. Ревью кода должно содержать вашу личную экспертизу. 🟠 AI-ревью как финальное решение. LLM-боты могут быть только советчиками. Мержить код только потому, что «нейросеть так сказала» — запрещено. Человек-ревьюер обязан взять ответственность на себя. ✅ Что можно (и нужно) 🟢 Приватное использование. Никого не волнует, что вы делаете у себя в подвале. Задавайте ChatGPT глупые вопросы по архитектуре компилятора, просите объяснить код, пишите утилиты для локальной разработки. Это отличный инструмент для онбординга. 🟢 Тривиальные изменения. Поправить опечатку или линку в маркдауне с помощью ИИ — пожалуйста. 🟢 Поиск багов. LLM нашла баг? Отлично, но репортить ты его должен сам, предварительно верифицировав и написав нормальный PoC. ⚠️ Спецрежим: Экспериментальный код от ИИ Они оставили окно для экспериментов с кодом, изначально написанным LLM, но обвесили его жесткими флажками: 1️⃣ Вы обязаны заранее договориться с ревьюером, что притащите сгенерированный код. Для новичков (без траста) это обязательное условие. 2️⃣ Изменения не должны затрагивать критичные для безопасности (soundness) компоненты. 3️⃣ Код обязан быть идеально покрыт тестами. В документе прямым текстом сказано: отмазки в духе "писать тесты было сложно" не принимаются. Нет тестов — PR закрывается. Нейросети упрощают написание тестов, так что спрос будет вдвое строже. 4️⃣ Обязательная маркировка ai-assisted. Но самое главное в документе — секция Responsibility (Ответственность).

Ваши контрибьюты — это ваша ответственность; вы не можете переложить вину на LLM.

Аргумент «мопед не мой, это ChatGPT так написал» больше не работает. Вывалил нерабочий мусор? Отвечаешь ты 🫵

Как корпорации подкармливают Open Source (и зачем им это нужно) 🦴 OpenAI выкатили обновление программы Codex for OSS. Если вы мейнтейнер мало-мальски значимого репозитория, вам предлагают: ▫️ 6 месяцев бесплатного ChatGPT Pro (с Codex). ▫️ API-кредиты для интеграции нейронок в процессы разработки и CI/CD. ▫️ Доступ к Codex Security (для глубокого анализа уязвимостей, рассматривается вручную из-за мощностей GPT-5.4). Можно было бы пустить слезу умиления от такой заботы об экосистеме, но давайте смотреть на вещи прагматично. В этом шаге нет никакого чистого альтруизма, только холодный бизнес-расчет 🥶 1️⃣ Возврат долгов. Модели OpenAI (как и любые другие) обучаются на том самом Open Source коде. Без этих ребят, которые ночами закрывают уязвимости, качество генерации кода улетело бы в трубу. Выдать им немного бесплатных вычислительных мощностей — это буквально самое дешевое, что может сделать корпорация для поддержания кормовой базы. 2️⃣ Инфраструктурная игла. Если мейнтейнер на бесплатных кредитах автоматизирует ревью кода, релизные циклы и проверку безопасности через API OpenAI, проект плотно садится на их инфраструктуру. Да, они заявляют, что вы можете кодить в чем угодно (хоть в Cline, хоть в OpenClaw), но под капотом автоматизации репозитория будет крутиться их движок. Тем не менее, для самих разработчиков это отличная сделка. Глупо отказываться от хорошего инструмента, если он экономит вам часы рутины. Если вы тащите на себе какой-то полезный библиотечный кусок или утилиту, у которой есть звезды на GitHub и загрузки — идите и заполняйте заявку. Дадут — отлично. Не дадут — вы ничего не потеряли.

Почему называть ИИ «коллегой» — это выстрел в ногу бизнесу 🔫 Умные ребята из Бостонского университета и BCG выкатили отличное исследование. По их данным, 23% компаний уже начали официально вписывать ИИ-агентов в свои оргструктуры. Дают им должности, имена, роли и рисуют квадратики на схемах рядом с живыми людьми. В рамках эксперимента руководителям дали на ревью документы с зашитыми туда ошибками. Текст везде один. Разница была только во вводных, откуда этот драфт взялся: 1️⃣ Это сгенерил ИИ-инструмент (AI tool). 2️⃣ Это написал живой человек, твой новый подчиненный. 3️⃣ Это написал ALEX-3, новый «ИИ-сотрудник». Казалось бы, какая разница, как маркетологи называют скрипт? Но это ломает всю систему контроля качества. Как только ИИ-агента называли «сотрудником» (при условии, что в компании это легитимная практика), качество человеческого ревью падало на 16%. Люди банально пропускали баги. Авторы вывели шикарную модель того, как ломается мозг менеджера: ▫️ ИИ как инструмент (Tool). Если ты написал код в IDE с автокомплитом или нагенерил в ChatGPT — ответственность полностью на тебе. Это твоя работа, ты смотришь в оба. ▫️ Живой человек (Human). Когда ты делегируешь задачу кожаному джуну, включается классический надзор. Люди склонны лениться, халтурить и косячить. Ты это знаешь, поэтому пристально ревьюишь пулл-реквест. ▫️ ИИ-сотрудник (AI Employee). Попадает в слепую зону. ИИ не халтурит и не устает, поэтому следить за ним, как за хитрым стажером, вроде бы не надо. Мозг расслабляется. Но раз он теперь формально «коллега», то и ответственность за косяки размывается. В итоге происходит магия: руководитель перекладывает ответственность на железяку (доля личной ответственности в ответах падала на 9%), не находит ошибки, но при этом начинает заниматься защитной бюрократией — чаще эскалирует задачу на дополнительное ревью другим людям (рост на 44%), чтобы прикрыть задницу. Итого: как только вы очеловечиваете агента, люди подсознательно перестают за ним убирать и начинают спихивать на него ответственность за упавший прод.

Идеальный шторм в IT: почему закончилась халява и отвалились пайплайны 📛 Российскую разработку сейчас зажали в тиски с двух сторон. С одной стороны — экономика и ИИ, с другой — ковровые инфраструктурные блокировки. Вот CNews радует статистикой: медианная зарплата застряла на уровне 183к, количество вакансий упало на 25%, а нанимать начинающих никто не хочет, а кандидаты вынуждены принимать офферы вообще без торга. Аналитики заламывают руки и винят во всем экономику и нейросети. Инициатива в найме полностью перешла к работодателям. Качать права на собеседовании могут только те, кто решает нетривиальные задачи бизнеса и приносит деньги. И сюрприз: ML-инженеры, Data Engineers и LLM-ops как были супервостребованы, так и остаются. Потому что именно они строят и поддерживают те инструменты, которые обесценивают труд всех остальных 😈 Но если вы думали, что конкурировать придется только с AI, то вот вам добавка от Коммерсанта. Весенние блокировки VPN-протоколов начали массово ломать процессы разработки. Отваливаются международные репозитории, CI/CD пайплайны и облачные среды. Роскомнадзор, конечно, рапортует про "белые списки", но по факту автоматизированные операции, которые летали за 10 минут, теперь требуют часов ручной возни девопсов, бубнов и такой-то матери 🪘 Бизнесу не нужны люди, которые просто пишут код. Бизнесу нужны люди, которые решают проблемы в условиях жестких ограничений. И за это они по-прежнему готовы платить.

Как убить FastAPI-приложение и назвать if/else искусственным интеллектом 🤡 Люблю копаться в опенсорсе, особенно когда дело касается крипты и трейдинга. Сегодня на препарационном столе проект с гордым названием Strategy Guardian AI. По задумке — это умный ассистент, который следит за вашими сделками, оценивает риски и контролирует эмоции. Звучит как стартап на миллион. А на деле... 1️⃣If-else-driven Artificial Intelligence 🤖 Открываем requirements.txt и видим джентльменский набор: scikit-learn, numpy, pandas. Ожидаем увидеть ML-модели для анализа поведения трейдера. Идем в директорию modules/ai_analysis/ и открываем файл market_risk_scanner.py. Вся мощь «искусственного интеллекта» сводится к этому:

if volatility_24h is not None and volatility_24h > 0.05:
    messages.append(f"24h volatility: {volatility_24h:.2%}")

Или вот «Детектор эмоций» (emotion_detector/behavior_model.py), который должен ловить тильт и лудоманию. Знаете, как он это делает? Просто считает количество сделок за 15 минут через обычный цикл for. Ни один из ML-пакетов в коде даже не импортируется. 2️⃣ Блокировка Event Loop'а Переходим к работе с сетью. Приложение написано на FastAPI (асинхронный фреймворк), но смотрим, как реализован коннектор к Binance:

async def get_account_snapshot(self) -> Optional[AccountSnapshot]:
    try:
        client = self._get_client()
        # Sync call; in production wrap in run_in_executor or use async client
        acc = client.account() 
        # ...

Автор использует синхронную библиотеку binance.um_futures внутри корутины async def. Более того, он оставляет комментарий, что это синхронный вызов, но делает его прямо в основном потоке. Что произойдет? Метод client.account() делает синхронный HTTP-запрос. Пока он ждет ответа от Binance (а это могут быть сотни миллисекунд), весь event loop FastAPI блокируется. Ни один другой клиент не получит ответ. Ни один вебхук не обработается. Приложение просто встанет. Если вы пишете на асинхронном фреймворке, используйте асинхронные клиенты (например, aiohttp или httpx.AsyncClient). Либо, как автор сам же себе написал в комментарии, кидайте блокирующий код в тредпул через run_in_executor. 3️⃣except Exception: pass — спонсор ваших седых волос Код, связанный с деньгами и рисками, должен падать громко. Если что-то идет не так, вы должны узнать об этом первыми. Смотрим, как наш Guardian получает открытые позиции:

async def get_open_positions(self) -> List[Trade]:
    out: List[Trade] = []
    try:
        client = self._get_client()
        acc = client.account()
        # ... парсинг позиций
    except Exception:
        pass
    return out

Отвалился API Binance? Упали лимиты? Изменился формат ответа биржи? Истек API-ключ? Мы никогда об этом не узнаем. Функция заботливо поймает любой Exception, проглотит его и вернет пустой список []. 🧑‍⚖️ Вердикт: перед нами красивая обертка (React-дашборд и модные слова в README) с херней внутри.

Токенный похмел: как бизнес начал считать деньги за ИИ и почему $746 за Copilot — это только цветочки 💸 Буквально на днях я писал про чувака, который знатно припух со счета в $746 за Copilot, пока просто переписывал свои домашние скрипты под Ansible. И вот подвезли свежую аналитику, и там масштаб бедствия уже вполне себе корпоративный. Сэм Альтман на днях выдал прекрасное: у них на платформе появился лидер, который сжигает 100 миллиардов токенов в месяц. И Альтман со стыдом признался, что в мире есть кто-то, кто умудряется тратить еще больше у конкурентов. Для контекста: 6 лет назад топ-юзер OpenAI тратил 100 тысяч токенов в месяц. Рост в миллион раз. Но ладно рекорды. Главное — Альтман прямым текстом признал, что стоимость API стала проблемой №2 для их корпоративных клиентов. Раньше этот вопрос вообще никого не волновал на фоне хайпа, а теперь — бабах, и «внезапно огромная проблема». А дальше будет только веселее. Альтман анонсировал, что следующий шаг OpenAI на этот год — «постоянно работающий проактивный ИИ». То есть автономные агенты, которые будут шуршать на фоне без ваших пинков и промптов. На практике это означает, что агент, попавший в бесконечный цикл отладки или парсинга, высосет ваш кредитный лимит быстрее, чем вы успеете налить кофе. Бегство в опенсорс 👨‍💻 По данным Axios, сейчас идет тихий, но массовый саботаж закрытых моделей: 1️⃣ Диверсификация. Никто в здравом уме не хочет плотно садиться на иглу OpenAI или Anthropic (который, к слову, по оценкам Ramp обошел OpenAI по корпоративным тратам и поднял раунд с оценкой в $965 млрд — безумие, да?) [1, 2]. Компании боятся ценового диктата и жестко настраивают роутеры моделей. 2️⃣ Слив задач на «дешманские» модели. Зачем кормить Claude Opus тривиальными задачами? Трафик активно перенаправляется на опенсорсные Llama, DeepSeek или кастомные мелкие сетки. У некоторых стартапов использование опенсорса выросло втрое только за последний месяц. 3️⃣ Смерть ROI-иллюзий. Счета за ИИ-инфраструктуру стали настолько жирными, что инвесторы и директора начали задавать неудобные вопросы: «А где, собственно, прибыль с этих ваших нейронок?». В общем, всем пора учиться собирать умную маршрутизацию (когда сложный запрос идет к условной Claude, а рутина — к дешевой локалке ☝️

Эпидемия ИИ-балаболов 🤥 Вышла забавная стата от TechRadar: 63% сотрудников признались, что преувеличивают или откровенно врут о своих навыках работы с ИИ. Среди зумеров этот показатель вообще пробил 80%. Причина банальна: 69% панически боятся, что нейросетки заберут их работу, поэтому лепят в резюме "Prompt Engineer", "AI Integration" и "Expert in LLM" после того, как пару раз попросили ChatGPT написать сопроводительное письмо. Но самая мякотка в другом. 64% опрошенных заявили, что работодатели никогда не проверяли их ИИ-навыки на собеседованиях или в работе. С точки зрения индустрии сейчас происходит сюр: 1️⃣ Кандидаты накидывают чуши, потому что боятся увольнений. 2️⃣ Эйчары и менеджеры пропускают этот булшит, потому что сами не понимают, как валидировать опыт работы с LLM. Для них главное — наличие модных баззвордов в профиле. 3️⃣ В итоге мы получаем IT-отделы, где все публично кивают головами на синьках, обсуждая ИИ-трансформацию, а по факту — тихо копипастят промпты из гугла, выдавая результат за свои гениальные решения. Я сам прямо регулярно вижу "спецов" из разных сфер, которые говорят, что они AI-эксперты, но уровень экспертизы сводится к тому, что они прочитали пару статей трехлетней давности по промпт-инжинирингу или прошли какой-то идиотский курс. В общем, наслаждаемся временем: нейронки пишут код, нейронки генерируют фейковые отзывы на этот код, а люди врут друг другу, что всё это контролируют ☕️

Конец эпохи дешевого Copilot: счет на $746 за Ansible и великий исход вайб-кодеров 😅 Ребята из GitHub решили, что лавочка безлимитных субсидий официально закрыта. На Reddit полыхает потрясающий тред: пользователь выложил скриншот своей проекции счетов за апрель. Старый цена: $28.12 Новая цена: $746.01 И самое смешное (или грустное) — парень даже не занимался агентным программированием. Он просто просил Copilot конвертировать его домашний сетап в новую инфраструктуру через Ansible и Terraform с парой базовых скриптов. За эти деньги он мог бы арендовать нормальный облачный сервер и еще остаться на кофе. И да, лимиты запросов никуда не делись — он продолжал в них упираться даже на старых тарифах. Что происходит? Новая модель монетизации GitHub Copilot бьет именно по использованию фронтовых моделей (Claude Opus, GPT-4.5 и т.д.). В комментах к посту обозначился: 1️⃣ Индивидуалы и мелкие студии в панике. Счета растут в 10-30 раз. Один сеньор-разработчик пишет, что их организация прыгнула с $600 до $3200 в месяц. Корпоративный юзер жалуется, что сжег весь месячный бюджет ИИ-кредитов за пару дней на элементарных shell-командах. 2️⃣ Энтерпрайз пожимает плечами. Один юзер пишет: "Я строю платформы за $2k в месяц, которые дают одуревший ROI. То, что полгода это стоило пару сотен, было бесплатным обедом. Мы всегда закладывали в расчеты x10 от реальной стоимости". Microsoft/GitHub просто-напросто выдавливает маржу: им больше не нужно субсидировать хобби-проекты и фрилансеров, когда корпорации готовы платить за инфраструктуру реальные деньги API. То же самое мы видели на примере MiniMax M3: сначала демпингуем и прикармливаем аудиторию тарифами по $10, а как выкатываем флагман — закрываем лавочку и стрижем базу по рыночным ценам. Да и много где еще. Куда бежать? В комментах делятся маршрутами спасения: 👉🏻 OpenAI Codex за $20/мес — хвалят за щедрые квоты и отсутствие головной боли с лимитами. 👉🏻 Cursor — многие мигрировали туда, хоть он и дорожает. 👉🏻 DeepSeek API / MiMo через OpenRouter — за копейки, если вы готовы мириться с чуть меньшим удобством.

Резюме с капибарами: почему HR-воронка в IT сломана Сейчас вирусится тред: чувак ради эксперимента выкатили на hh резюме Data Analyst'а. Стек стандартный: SQL, Python, BI. Но есть нюанс. Вся бизнес-логика и достижения описаны через чесание пузиков капибарам, A/B-тесты сочной травы, LTV вольера и когортный анализ любителей дневного сна. ❤️ Результат: из 100 откликов — около 40 приглашений на собес. Из всей этой толпы рекрутеров только двое прочитали текст глазами и заметили грызунов до созвона. Остальные на автомате пушнули шаблонное приветствие в телегу. Чему нас учит эта история? Тому, что рекрутеры глупые? Нет (или да? 🌝). Тому, что первичный скрининг при массовом найме — это примитивный парсинг.

Никто. Не читает. Ваше. Резюме.

По крайней мере, на первом этапе. Ваш богатый внутренний мир, горящие глаза и проактивная позиция никому не уперлись. Система (будь то бездушная ATS или уставший сорсер с замыленным глазом) ищет триггеры. В резюме с капибарами выстроена идеальная структура этих самых триггеров: ▫️ Твердый стек: Python, SQL, PostgreSQL, Tableau. ▫️ Баззворды на месте: Unit-экономика, ETL, ad-hoc, когортный анализ. ▫️ Формат достижений по классике: Действие -> Метрика -> Результат в цифрах (вырос Retention на 5%, снизился CAC на 30%). Замените капибар на «пользователей маркетплейса», а закупку элитных тыкв на «оптимизацию цепочек поставок» — и вы получите абсолютно дефолтное резюме крепкого спеца, которое со свистом пролетает воронку. Мозг проверяющего просто цепляется за знакомые паттерны LTV, CAC, Win-rate и ставит галочку. Вы можете вылизывать сопроводительные письма до потери пульса, искать скрытые смыслы в формулировках, но если в вашем CV нет нужных ключевиков, обернутых в понятный бизнесу формат — вы не пройдете даже первичный фильтр. Резюме — это просто SEO-оптимизированный лендинг. Его единственная задача — налить трафик лидов (рекрутеров) в вашу воронку. Но сейчас реальность такова, что пройти первый фильтр — это даже не 10% успеха. Дальше вас ждет технический собес. И вот там, если за вашими красивыми словами не стоит база — досвидос. Продавать себя алгоритмам hh нужно уметь. Но конвертировать этот трафик в оффер придется уже реальными хард-скилами. Делитесь в комментах своими конверсиями откликов 👇

Не пугайтесь, тут все поменялось, но это до сих пор я ☕️ Добро пожаловать в Полезную нагрузку 🤩 С сегодняшнего дня концепция канала будет меняться. Это связано и с моими собственными интересами, и изменениями в IT-отрасли. Я до сих пор буду делиться интересной (лично мне) и полезной (надеюсь, и вам) информацией. Самое важное 👇 1. Теперь канал не о Python? 😱 Да. Я думаю те, кто давно на меня подписан, и так это заметили. Python — до сих пор мой основной инструмент и я буду писать о нем, но уже не в таком объеме. Но в текущих реалиях делать фокус на конкретном языке уже не очень оптимально. Я буду больше писать о том, что мне интересно: IT, AI, DS, ML. 2. Материалов будет больше/меньше? Меньше. Я постараюсь делать не так много постов, которые и раньше не очень хотел делать. Но качество и польза от этого, надеюсь, вырастет. 3. А что будет с Точкой Сборки? Закрытый платный канал будет полностью интегрирован в этот. Потому что я завел группу на Sponsr! Какие у этого плюсы? 🔵 все открытые материалы будут выходить и там, и там. Те, кому сложно сидеть в ТГ из-за ограничений, смогут без проблем все читать на Sponsr. Подписывайтесь! 🔵 Все записи закрытых эфиров и прочий контент по подписке будет только на Sponsr, на этом же канале. Там пока не раскатаны подписочные уровни, я занимаюсь переносом записей всех платных эфиров. Как только это будет сделано, по подписке можно будет получить доступ ко всей базе (анонсирую отдельно). 🔵 Текущий формат Точки Сборки в ТГ будет функционировать до тех пор, пока там есть подписчики. Все новые материалы будут появляться и там. Если у вас оформлена подписка - не переживайте, ничего не отключится. 4. Теперь это еще один очередной канал об ИИ? Ну, почти. Только это не кликбейт-помойка без экспертизы, а автор — не Ыксперт, который научился вчера писать роли в промптах. Я научился еще позавчера! Можете порадоваться, т.к. вот таких каналов — 98.34%. Если у кого ТГ-прем, накидайте бустов (это бесплатно!), чтобы все можно было лучше оформить 🤗

Я Олег Булыгин — независимый AI/ML-консультант и Data Scientist. 11+ лет в IT. Параллельно занимаюсь IT-образованием — провел 2000+ лекций, обучил тысячи специалистов (B2B/B2C) и сотрудничал с ведущими EdTech-проектами и вузами. // Что внутри То, что мне интересно на текущий момент в сфере IT. Сейчас фокус на искусственном интеллекте, машинном обучении, data science. // Почему вам это нужно Рынок IT прямо сейчас переживает дизрупцию. Все меняется очень сильно и быстро. Чтобы оставаться востребованным, нужно быстро адаптироваться, быть на острие новых технологий и инструментов. // Где еще читать – Sponsr: sponsr.ru/payload/ // Контакты ▸ Сайт: olegtalks.ru ▸ Личка: @obulygin91 (по делу) ▸LinkedIn: https://www.linkedin.com/in/obulygin/

Вот и все, ребята 😂