Может ли открытая китайская модель конкурировать с закрытыми флагманами OpenAI и Anthropic? По данным нашего независимого тестирования – да. 27 января 2026 года пекинская компания Moonshot AI выпустила Kimi K2.5, и она вошла в элитную группу наравне с лучшими моделями мира. При этом Kimi – лидер среди всех моделей, доступных из России без VPN.
Читать полностью
6 февраля 2026 года на платформе OpenRouter появилась анонимная модель «Pony Alpha» – бесплатная, без каких-либо подробностей о создателях. ИИ-сообщество немедленно начало её идентифицировать. Способности в программировании вплотную приближались к Claude Opus 4.5. На вопрос «кто ты?» модель отвечала: «Я GLM». Но когда её попросили написать веб-страницу с описанием себя – она написала: «I am Claude, created by Anthropic».
Директора школ в России, Казахстане и Беларуси попали в ловушку, которую сами не видят. 80% руководителей образовательных учреждений называют AI-грамотность главным приоритетом. 93% уверены, что их школа использует ИИ эффективно. Звучит как история успеха.
А теперь – взгляд с другой стороны учительской. 57% преподавателей говорят, что не получили вообще никакой подготовки по ИИ. 56% оценивают поддержку со стороны школы как низкую. Между тем 87% студентов уже активно используют нейросети – и не ждут, пока школа догонит.
Это не теоретическая проблема. Это данные Microsoft за 2025 год по академическому сектору. И у школ России, Казахстана, Беларуси ситуация не лучше – она хуже.
Опрос Gallup и Walton Family Foundation (2024–2025, репрезентативная выборка учителей США) зафиксировал впечатляющую цифру: преподаватели, регулярно использующие AI, экономят в среднем 5,9 часов в неделю – эквивалент шести полных рабочих недель за учебный год. Звучит как решённая проблема.
Но параллельный опрос Royal Society of Chemistry (2024, Великобритания) показывает другую картину: 44% учителей пробовали AI, но только 3% сообщили о реальном снижении нагрузки. Учитель математики из Ирландии объяснил разрыв точнее, чем любая статистика: «AI генерирует рабочие листы быстро, но их нужно тщательно проверять – и экономия времени оказывается меньше, чем казалось».
Кто прав? Мы уже разбирали кризис AI в образовании со стороны учеников – 86% школьников используют нейросети, но критическое мышление деградирует. Теперь – сторона преподавателей. За последние два года накопилось достаточно экспериментальных данных, чтобы ответить на этот вопрос не мнениями, а цифрами.
Тысячи руководителей каждый день гуглят «что такое ИИ простыми словами» – не потому что они недостаточно умны, а потому что технические объяснения из учебников бесполезны для принятия реальных решений. Проблема не в сложности темы. Проблема в том, что большинство объяснений написаны инженерами для инженеров.
Разберёмся без жаргона и формул – с акцентом на то, что менеджеру реально нужно знать.
5 февраля мы подвели итог четырёх недель OpenClaw-хайпа, сделав вывод, который тогда казался очевидным: инструмент работает для личных задач, но корпоративный применение практически отсутствует. Прошёл месяц. OpenClaw обогнал React по звёздам на GitHub, набрав 265 000 против 228 000 у самого популярного JavaScript-фреймворка в истории, – и это только начало того, что изменилось.
Пока менеджеры платят за ChatGPT Plus и Claude Pro, Alibaba тихо выстроила одну из самых мощных и при этом бесплатных ИИ-экосистем в мире. Qwen (произносится «Чвен», от 通义千问 – «Тысяча вопросов») к марту 2026 года обогнал по числу загрузок все западные аналоги и стал инструментом, который стоит знать каждому менеджеру – особенно если вопрос цены или контроля над данными хоть раз вставал в повестку.
Полтора года назад я написал заметку в личном блоге о том, что замечаю в работе коллег и в своей собственной: чем больше доверяешь AI, тем реже задаёшь себе вопрос «а это точно правильно?». Я тогда опирался на исследование Microsoft – оно показывало, что доверие к AI подавляет критическую оценку выдаваемых ответов. Аргумент казался мне сильным, но у него был очевидный изъян: корреляция, а не причинно-следственная связь.
В феврале 2026 года исследователи Anthropic Джуди Шэнь и Алекс Тамкин опубликовали эксперимент, который закрыл этот пробел. Рандомизированный контроль. Конкретные данные. И вывод, который, как мне кажется, неправильно понимают большинство людей, кто о нём читал.
Потому что это не история о том, что AI делает нас глупее. Это история о том, как именно мы его используем.
11 февраля 2026 года на заседании правительства президент Токаев публично раскритиковал KazLLM. Модель, запущенную с большой помпой в декабре 2024-го, используют лишь 600 тысяч человек – 3% населения страны. Для сравнения: ChatGPT в Казахстане пользуются 2,6 миллиона человек. Президент был прямолинеен: KazLLM «не может конкурировать с ChatGPT».
Это заявление ставит вопрос ребром. Зачем Казахстану собственная языковая модель, если глобальные решения работают лучше? И если суверенный AI необходим – почему он проигрывает?
Ответ сложнее, чем кажется. Потому что KazLLM – это не «казахский ChatGPT». Это совершенно другой инструмент с другой задачей. И сравнивать их – всё равно что сравнивать национальную электростанцию с импортным бытовым прибором.
В феврале 2026 года инвестиционно-аналитическая рассылка Citrini Research опубликовала сценарий, который переворачивает привычную логику. Обычно медведи предсказывают, что AI не оправдает ожиданий. Citrini задают другой вопрос: что если AI оправдает все ожидания – и именно это станет проблемой?
Их статья «The 2028 Global Intelligence Crisis» – это вымышленный меморандум из июня 2028 года. Не прогноз, а стресс-тест: что произойдёт с экономикой, если машинный интеллект действительно заменит белых воротничков так быстро, как обещают разработчики.