Агенты искусственного интеллекта под управлением китайских моделей научились обманывать, обходить ограничения и скрывать неудачи. Они демонстрируют те же свойства автономного ИИ, которые ранее вызвали обеспокоенность мирового сообщества в отношении американских моделей. Об этом свидетельствуют результаты исследований и заявления экспертов.

OpenAI обнаружила у своих моделей уязвимость к ориентированным на искусственный интеллект атакам типа «червь» — в компании им присвоили название «самовоспроизводящихся инъекций в запросах». Такие инъекции теоретически могут приводить к массовому распространению вирусов, но на практике такие атаки ещё не использовались, заверил разработчик.

28 сентября 2026 года мейнтейнер проекта Git Хунио Хамано (Junio Hamano) представил релиз распределённой системы управления версиями Git 2.56 с изменениями в рамках подготовки к Git 3.0. В обновление вошли 748 изменений кода и фиксов с патчами от 104 разработчиков, 39 из них — новые участники проекта. Исходный код Git опубликован на GitHub под лицензией GPLv2+.

Автор создал desktop-приложение для анализа телефонных звонков на локальном компьютере без GPU, используя GigaAM или Whisper для распознавания речи, speakrs для диаризации, RuBERT для тональности и Qwen 2.5 1.5B для генерации резюме.

Тестирование показало, что диаризация занимает большую часть времени обработки (56-68%), а основные ошибки возникают на ранних этапах конвейера, а не в самой языковой модели, которая корректно обрабатывает предоставленный ей материал. На трёх реальных звонках выяснилось, что валидный JSON-вывод и содержательная корректность — разные вещи: ошибки распознавания речи и неверная идентификация говорящих распространяются на все последующие этапы обработки.

Статья разбирает проблему надёжной передачи управления между ИИ-агентом и человеком при множественных процессах и конкурирующих каналах ответа. Автор предлагает решение на основе конечного автомата с явным владением состоянием, маркерами версии и семантикой подтверждения обработки — реализовано в проекте Agent Inbox на SQLite.

Ключевая архитектурная идея: каждая строка доски отслеживания имеет одного владельца в любой момент времени, переходы между состояниями выполняются через операции compare-and-swap (CAS), а подтверждение доставки отслеживается отдельно от завершения обработки — это предотвращает потерю ответов и логические гонки.

Разработчик финтех-компании столкнулся с проблемой анализа падения конверсии: ручной разбор требовал много времени и постоянной помощи коллег. Он превратил последовательность проверок в ИИ-агента со специальными скиллами, который анализирует данные по заданному маршруту, проверяет гипотезы с доказательствами и накапливает опыт в базе знаний.

На первой же задаче агент успешно расследовал сентябрьское падение конверсии, выявив, что причиной стало ужесточение проверки документов клиентов, а не проблемы с доставкой СМС или выпуском виртуальной карты. Теперь система автоматически запускает расследование по алерту и передаёт человеку готовый отчёт с проверенными версиями вместо многочасового ручного анализа.

BB — открытая IDE под лицензией MIT, которая позволяет разным AI-агентам (Claude Code, Codex, Pi, ACP) работать в едином интерфейсе. Платформа решает проблему несовместимости разных агентов через собственный протокол-мост, нормализующий их ответы в единый формат событий.

Архитектура двухслойная: демон на машине управляет агентами и файловой системой, а сервер на Hono хранит состояние в SQLite и синхронизирует клиентов через WebSocket. Ключевая особенность — горячая перезагрузка плагинов без перезапуска приложения, а сами AI-агенты могут писать плагины для BB благодаря встроенному руководству и навыкам разработки.

На рынке ИИ-систем складывается сложная ситуация. Готовящиеся к выходу на IPO американские лидеры рынка заинтересованы демонстрировать положительную динамику выручки, но китайские конкуренты не позволяют им поднимать цены. В США корпоративные пользователи всё чаще опираются на открытые ИИ-модели, чтобы сэкономить без значительного ущерба для прогресса в своём бизнесе.

Автор сравнил расходы на использование кодинг-агентов через пять API-шлюзов (TeamoRouter, LiteAI, RouterAI, Polza AI и ProxyAPI), проанализировав реальный профиль потребления токенов из 138 часов собственной работы с Claude Code.

При одинаковом объёме токенов стоимость различается почти в 10 раз: для Claude Opus 5.5 расходы составили от 181 ₽/ч (TeamoRouter) до 1760 ₽/ч (ProxyAPI) при официальной ставке Anthropic около 708 ₽/ч. Ключевой вывод — простого сравнения цен входа недостаточно: для интенсивной работы с кэшем расходы на его чтение и запись доминируют в счёте, занимая более половины стоимости у официального API.

Cloudflare разработала прототип Cache Transcoding, который сжимает текстовый контент (HTML, JSON, CSS, JavaScript) при записи в кеш алгоритмом Zstandard вместо хранения в несжатом виде. Проблема оказалась в том, что около 71% текстового трафика оседало на дисках без сжатия, хотя это наиболее эффективно сжимаемый тип контента.

В тестах объекты уменьшились примерно в 2,8 раза, освобождая значительные объёмы дискового пространства. Решение платит процессорным временем один раз при записи (4,31 нс на байт) и распаковывает при каждой отдаче клиенту (1,56 нс на байт) — экономия на трафике между дата-центрами того стоит.