Тема: как граф знаний в 2026-м перестал быть про поиск и стал тем, по чему сверяют действия ИИ — и почему это естественный слой для V. В прошлых лонгридах несколько раз всплывал один и тот же вопрос: против чего проверять агента? Само-судейство ненадёжно, формальная проверка требует структуры, а governance-платформы дают разрешения и аудит, но не модель мира. И вот в 2026-м на роль этой модели мира тихо выдвинулся граф знаний — но не в той роли, в какой его привыкли видеть. Раньше граф знаний был про поиск: достать релевантные факты, связать сущности, помочь ретриву. Теперь он берёт на себя другую работу — быть тем, по чему ИИ сверяют. Разберём этот…

Любой, кто гонял Claude Code или Cursor по большому репозиторию, знает этот момент. Сначала всё бодро. Потом контекст распухает — и модель начинает плыть: путает файлы, теряет нить, забывает, что было сказано в начале. Качество не обрывается, оно протекает. Тихо и незаметно. У этого даже есть имя — context rot. Последние два года индустрия делала вид, что лечит болезнь размером окна. 8 тысяч токенов, 128 тысяч, миллион. Но больше окно — не значит, что модель им пользуется. Засунь в начало миллионного промпта важный факт, спрячь второй в середине, и модель честно провалит обоих. Это известный эффект, «lost in the middle». Окно росло, а внимание оставалось дырявым. И вот на этом…

Два года все говорили про чат. Один умный ассистент, одно окно: ты пишешь — он отвечает. А в начале 2026-го крупные игроки тихо сменили ставку. Будущее корпоративного ИИ — это не окно, а штат. Десятки агентов, у каждого свои права, свой доступ к системам, своя работа. И как только агентов становится много, вылезает скучная, как мир, истина: штатом надо управлять. Звучит банально — пока не упрёшься в цифру. До 95% корпоративных ИИ-пилотов не дают внятной бизнес-пользы. Не потому что модели слабые: модели как раз сильные. А потому что один агент в вакууме ничего не решает. Ему нужен доступ к CRM, к хранилищу, к тикетам. Ему нужно не мешать соседним агентам.…

У любого, кто строит на ИИ, рано или поздно встаёт один и тот же вопрос: как понять, что агент выдал хорошо? Прочитать всё руками невозможно — миллион ответов в день человек не вычитает. И тут напрашивается соблазнительно простое решение: пусть одна модель проверяет другую. Это и есть «LLM-as-judge». Идея захватила индустрию почти мгновенно, и неспроста. Но за два с лишним года накопилось ровно столько данных о том, где она ломается, что в 2026-м рядом громко поднялась вторая школа — не уговорить модель согласиться, а математически доказать. Разница между этими двумя подходами и есть, по сути, твоя поляна. Так что разберём оба края честно. Соблазн отдать проверку самой модели Стартовая точка…

Тема: efficiency-инференс — квантизация весов и сжатие KV-кэша. Менее шумная, чем релизы моделей, но именно она решает, влезет ли хорошая модель в одну видеокарту. Прямо про твой полигон. Пока все считали параметры — у кого триллион, у кого больше, — тихо сместился сам вопрос. Гонка «чей мозг крупнее» упёрлась в стоимость, и реальным фронтом стало другое: как заставить хорошую модель работать дёшево. Не построить датацентр, а уложиться в то железо, что есть. И вот тут за 2025–2026 годы накопилось столько, что отдельный лонгрид напрашивается сам. Сжимать можно в двух местах. Веса модели — чтобы она вообще влезла в память. И KV-кэш — чтобы она тянула длинный контекст и много запросов,…

Тема: inference-time scaling и адаптивное рассуждение — та самая ось «вычисления на генерации = интеллект», на которой стоял RLM, только теперь во весь рост и со своими подводными камнями. Несколько лет рост ИИ означал одно: больше параметров, больше данных, больше вычислений на обучении. Потом эта кривая начала выполаживаться — каждый новый кусок данных приносит всё меньше уникального, отдача тает. И индустрия открыла вторую ось: добавлять вычисления не на обучении, а на генерации. Дать модели подумать дольше — и она решит то, что не решала с первого захода. Звучит как чистая победа. На практике оказалось, что у «подумать ещё» есть точка, после которой становится хуже. Разберём и саму идею, и её…

Куда на самом деле идёт искусственный интеллект — и почему рынок видит игрушки, а не завод. Со стороны кажется, что искусственный интеллект — это чат-боты и маркетинг. Спросил — ответил, написал текст, нарисовал картинку. Скепсис понятен: именно это пока на виду. Но на виду — самый край, а не суть. Суть — в одном сдвиге, который меняет не интерфейс, а саму природу софта: переход от советчика к исполнителю. Чат-бот советует. Агент делает Чат-бот — это советчик. Ты спрашиваешь, он отвечает, а делаешь всё равно ты сам. Агент — исполнитель: он сам бронирует, оформляет, платит, договаривается, запускает процессы. Разница как между консультантом, который рассказывает, что надо сделать, и подрядчиком, который берёт…

Десять лет в безопасности спорили теоретически: когда ИИ всерьёз сдвинет равновесие между атакой и защитой? Фаззинг с ИИ, статический анализ с машинным обучением, ревью кода через языковые модели — всё это были постепенные улучшения, не смена категории. В апреле 2026-го разговор перестал быть теоретическим. Anthropic показала модель, которая находит уязвимости сама. И не просто находит — строит к ним рабочие эксплойты без участия человека. А потом отказалась выкладывать её в открытый доступ — именно из-за этих способностей. Разберём, что произошло, какого масштаба находки, какую тревожную деталь там нашли — и почему это твоя тема сразу с нескольких сторон. Что случилось в апреле 7 апреля 2026-го Anthropic представила Claude Mythos Preview…

С 1 марта 2026 года в российской нормативной практике информационной безопасности произошел тектонический сдвиг: вступил в силу Приказ ФСТЭК России №117 от 11 апреля 2025 года. Этот документ, полностью заменивший действовавший более десяти лет Приказ №17, впервые на уровне государственного стандарта закрепил жесткий запрет на использование внешних облачных ИИ-сервисов для обработки государственной тайны и информации ограниченного доступа. Несмотря на то, что утвержденные технические методики реализации этих требований регулятором еще не опубликованы, правовой вакуум отсутствует. Опубликованный 18 марта 2026 года проект Федерального закона «Об основах государственного регулирования применения технологий искусственного интеллекта» вводит фактическую презумпцию виновности разработчиков и операторов ИИ-систем в случае причинения вреда или нарушения законодательства. Для операторов значимых объектов критической…