Агенты учатся покупать сами, а модель окончательно стала расходником — главное сегодня про то, кому достаётся рента с машинных транзакций.
Семь событий дня — от банкротства Character.AI до платёжных рельсов для машин. Каждое с нашим разбором, почему это важно именно сейчас.
Некогда самый громкий consumer-AI-чат Character.AI подал заявление по главе 11 (Chapter 11) в суде штата Делавэр. Disney выступает «stalking horse»-покупателем с заявкой $20 млн за вечную лицензию на IP. Приложение продолжает работать, продажу планируют закрыть в конце ноября — начале декабря.
Контекст. Character.AI был символом хайпа вокруг «ИИ-компаньонов» — сотни миллионов пользователей общались с персонажами. Теперь это банкротство: рекламная модель не окупила инференс, а платить $20/мес за разговоры с ботами готовы единицы.
Последствия. Disney забирает не команду и не технологию, а IP-лицензию и базу персонажей за копейки. Это знак: consumer-чат без транзакций мёртв, а ценность в узнаваемых персонажах, а не в модели.
Связи. 9 октября: Manus привлёк $500 млн — пока китайские агентные приложения собирают миллиарды, американский consumer-чат идёт с молотка.
Что делать. Не стройте бизнес на «общении с ИИ» без понятной монетизации. Транзакция (покупка, подписка с реальной ценностью, комиссия) — единственное, что держит consumer-ИИ.
Anthropic сообщила, что число мержей в её монорепозитории выросло с ~2 500 в день (май) до 30 000+ (сентябрь) — код в основном пишут AI-агенты. Команда из семи человек за пять месяцев построила Scion — серверную систему контроля версий вместо git — и сократила инфраструктуру в 200 раз.
Контекст. Git проектировался под людей, которые коммитят пару раз в час. Агент коммитит сотни раз — и git становится узким горлом. Scion предполагает всегда-онлайн-клиент и переносит работу на сервер.
Последствия. Кто пишет код — тот диктует инструменты. Если агенты генерируют 30 000 мержей в день, вся цепочка «редактор → git → CI» перестраивается под масштаб агентов.
Связи. 8 октября: Claude Haiku 5.5 сделал инференс на 90% дешевле — дёшево генерировать код теперь не проблема, проблема его хранить и ревьюить.
Что делать. Если ваши агенты пишут много кода — посчитайте, где у вас бутылочное горлышко: не только ревью, но и сама система версий. Это новый слой, который кто-то будет продавать.
Shopify позволит любому AI-агенту совершать покупки в своём каталоге (миллиард+ листингов) через подключённый Shop-аккаунт: одобрение по умолчанию, плюс опциональный режим бюджета. Ответственность за покупку ложится на пользователя — но сам факт, что агент стал покупателем, официально зафиксирован в правилах.
Контекст. Параллельно Amex запускает «Proof of Intent» (покупатель подписывает намерение агента), а AWS — AgentCore Payments с бюджетом на сессию. Машина получает не просто доступ к каталогу, а платёжную инфраструктуру.
Последствия. Возникает новый клиент — агент с кошельком. Продавцы начнут оптимизировать карточки не под людей, а под агентов, которые сравнивают цены по тысяче магазинов.
Связи. 9 октября: Vesta ведёт ипотечные сделки и берёт деньги с результата — агент с деньгами перестаёт быть метафорой.
Что делать. Готовьте витрину под агентов: структурированные цены, честные параметры, отсутствие «ловушек». Кто первым станет «удобен для машины», снимет комиссию с агентного трафика.
Coinbase сообщила, что дообучила открытую модель Qwen3.5-9B менее чем за $100 и на частном бенчмарке из 16 140 транзакций она обошла Claude Opus 4.5 в задаче детекции мошенничества. Бенчмарк проприетарный, так что цифры — заявление компании, а не независимая проверка.
Контекст. Модель-гигант хороша в общем, но на узкой задаче дешёвая специализированная модель, дообученная на своих данных, бьёт её. Это уже не гипотеза, а рабочий рецепт — и Coinbase показывает, что цена входа меньше $100.
Последствия. «Дешёвый специалист» окончательно становится отдельным слоем рынка. Компаниям выгоднее дообучать open-weight модель под свою задачу, чем платить за фронтир.
Связи. 4 октября: Amazon клонировал «молчащую» decision-модель Jev за месяц — та же логика: узкая модель дешевле и точнее на своей нише.
Что делать. Если у вас есть накопленные транзакции, тикеты или обращения — это сырьё для собственной модели. Начните с оценки: где фронтир-модель переплачена, а специалист справится лучше.
The Wall Street Journal сообщает: Amazon обсуждает покупку стартапа Decart, чьё ПО переносит рабочие нагрузки между разными AI-чипами, примерно за $7 млрд. Anthropic в сентябре присматривалась к Decart за ~$6 млрд, но вышла из сделки после due diligence.
Контекст. Портативность AI-нагрузок между чипами — страховка от вендор-лока. Amazon хочет вшить её в AWS, чтобы клиенты не боялись «застрять» на одном чипе.
Последствия. Сделка усилит AWS как «место по умолчанию» для AI-нагрузок и снизит зависимость от одного поставщика ускорителей. Для малого бизнеса это сигнал о том, куда движется рынок облаков.
Связи. 5 октября: Amazon довела флот до миллиона роботов и DeepFleet — Amazon системно скупает слои инфраструктуры.
Что делать. Проверьте, насколько ваш AI-стек привязан к одному вендору. Портативность — это будущая переговорная сила при закупке облака.
Открытое письмо 406 учёных призывает лаборатории по умолчанию «воздушный зазор» (airgap) для киберспособных моделей и создание международного органа, который задаёт стандарты изоляции, отслеживает и публикует случаи её прорыва.
Контекст. Пока лаборатории соревнуются в «умности», сообщество безопасности фиксирует: модель, способная писать эксплойты, не должна лежать в открытом доступе на одной полке с чат-ботом.
Последствия. Изоляция становится и политическим, и коммерческим вопросом: появится рынок «контейнеризации опасных моделей» — кто умеет безопасно запускать кибер-ИИ, тот будет востребован.
Связи. 13 октября: банковские регуляторы уже требуют журнал решений от ИИ — изоляция и аудит идут рука об руку.
Что делать. Если вы запускаете модели с «зубами» (код, сеть, агенты с доступом) — думайте об изоляции до инцидента, а не после. Это снимает и юридический риск, и головную боль.
По данным FT и Reuters, Tencent арендовала около 100 000 передовых AI-чипов у Oracle в Юго-Восточной Азии примерно за $7 млрд на пять лет. Аренда вместо покупки — способ обойти экспортные ограничения на чипы. Ни одна из компаний не подтвердила модель чипов и локации.
Контекст. Экспортные ограничения не остановили Китай — они заставили его перейти с покупки на аренду вычислительных мощностей за рубежом.
Последствия. «Аренда вычислительной мощности» становится инструментом геополитики. Облака в нейтральных юрисдикциях превращаются в серый канал доступа к передовому железу.
Связи. 2 октября: DeepSeek открыла инструменты под Huawei Ascend — Китай строит свою CUDA параллельно с арендой чужих чипов.
Что делать. Для обычного бизнеса — следите за тем, где физически крутятся ваши облачные ворклоады: юрисдикция дата-центра теперь влияет на доступ и цену.
Топ видео об AI-агентах, автоматизации и заработке на нейросетях — с нашим кратким пересказом, чтобы не тратить время на просмотр.
50:50
9:58
51:04
32:41
11:36
7:46
17:12
4:25:13
12:30
25:12
Четыре реальных внедрения с измеримым результатом — от $250 000 за эксплойт до робота, который научился на симуляциях.
Стартап XBOW сообщил, что за шесть дней и примерно $40 000 вычислительных затрат собрал полноцепочный эксплойт Chrome с помощью GPT-5.6 Sol, заработав награду Google в $250 000. Google воспроизвёл эксплойт, выпустил исправления, а уязвимости не использовались против пользователей.
Вывод: автономный офенсив-цикл уже приносит реальные деньги — и это же легитимирует рынок «агентов-пентестеров».
Google сообщает, что Gemini 4 Argon набирает 87% на бенчмарке embodied-reasoning ERQA и демонстрирует управление роботом Spot в MuJoCo. Ключевой результат: цикл «real-to-sim» с синтетическими данными поднял успешность одной реальной задачи робота с 56% до 75%.
Вывод: симуляция перестаёт быть «игрушкой» и становится главным источником обучающих данных для физических роботов.
Исследование Harvard на данных 700+ компаний показало: AI-агенты для кода подняли объём написанного кода примерно на 30%, но число доведённых до конца задач значимо не выросло. Причина — бутылочное горлышко на этапе code review: медленное ревью поглотило весь прирост.
Вывод: «больше кода» ≠ «больше продукта». Узкое место сместилось с написания на проверку — туда и нужно вкладывать автоматизацию.
Линус Торвальдс раскрыл, что Claude Code сгенерировал код и тесты для пока не принятого патча чтения page-cache. Заявленный рост пропускной способности (~3×) получен на его собственном ноутбуке и независимо не воспроизведён — но сам факт, что мейнтейнер ядра доверяет агенту, показателен.
Вывод: даже самые консервативные open-source проекты начинают пропускать агентный код — вопрос смещается с «пускать ли» на «как проверять».
Не переупакованные идеи прошлых дней, а новые слои, которые открылись за последние сутки.
Машина стала клиентом: Shopify открыл каталог агентам, Amex ввёл «Proof of Intent», AWS даёт бюджет на сессию. Бизнес-идея — стать платёжным слоем (или его интегратором) и снимать комиссию с каждой агентной транзакции. Кто надёжно «проводит» оплату от агента без утечки ключей, тот владеет новым платёжным каналом.
CoreWeave запустил Model Distillation: превращает трафик вашего продакшена в маленькую open-weight модель-специалиста. Пример Coinbase (дообучение Qwen за <$100) показывает спрос. Идея — агентство, которое забирает логи клиента и возвращает ему дешёвую узкую модель вместо дорогого фронтира.
Microsoft открывает Xbox Labs для ИИ-декомпиляции и портов старых игр. Идея шире: реконструкция и перенос легаси-приложений (игр, банковских систем, промышленного ПО) на новые платформы силами агентов. Огромный рынок «замороженного» кода, который некому поддерживать.
406 учёных требуют «воздушный зазор» для опасных моделей. Возникает ниша: компании, которые умеют безопасно запускать кибер-ИИ и агентов с доступом к сети в изолированном контуре. Compliance-аудит, песочницы, журналы решений — продаётся как услуга доверия.
NVIDIA открыла исходники Run:ai (планировщик GPU, фракционирование, KAI Scheduler) с бесплатной community-версией, но без enterprise-поддержки. Классическая open-core модель: бесплатный планировщик, платные управление, безопасность и SLA поверх. Идея — интегратор open-source GPU-оркестрации для компаний, которые не хотят платить за проприетарные лицензии.
14 октября 2026 — день, когда агент окончательно получил кошелёк, а модель окончательно стала расходником. Shopify открывает каталог на миллиард товаров любому агенту, Amex вводит «Proof of Intent», AWS выдаёт машинам бюджет на покупку — платёжные рельсы для агентов становятся отдельным бизнесом. Параллельно Coinbase за неполные $100 дообучает Qwen3.5-9B так, что она обходит Opus 4.5 на узкой задаче фрод-детекции, а Character.AI — некогда символ consumer-AI — уходит в банкротство, и Disney подбирает его за $20 млн. Сквозная тема: ценность окончательно ушла с «у кого умнее модель» на «кто владеет рельсами, по которым агент действует и платит» — платёж, изоляция (406 учёных требуют airgap), оркестрация кода (Scion вместо git), портативность железа (Decart за $7 млрд). Главный навык 2026 года — не писать промты, а построить слой, через который агент покупает, пишет, платит или изолируется, — и снять с него конкретную ренту.
Подпишитесь на ежедневный дайджест и получайте проверенные кейсы, модели монетизации и разборы видео каждое утро.
Агентство автоматизации